- 博客(3)
- 收藏
- 关注
RSS订阅原创 模型评估与模型参数选择
• 对于小规模样本集（几万量级），常用的划分比例： • 训练集：验证集：测试集=6：2：2 • 训练集：测试集==8：2、7：3 • 对于大规模样本集（百万级以上），只要验证集和测试集的数量足够即可。• 验证集有2个主要的作用： • 评估模型效果，为了调整超参数而服务 • 调整超参数，使得模型在验证集上的效果最好 • 说明： • 验证集不像训练集和测试集，它是非必需的。• 验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终效果以测 试集的评估结果为准。，若某个模型的输 出?
2024-09-17 20:50:36
389
原创 机器学习中的统计学习理论
统计学习中偏差表示的准确性，方差反映模型的稳定性，合适的权衡是提高模型性能的关键。通过添加正则化项到模型的学习目标中，可以减少模型的复 杂度，从而避免模型在训练数据上过度拟合。无论是小规模数据集还是大规模数 据集，交叉验证都能有效应用，特 别在数据集较小时，通过交叉验证 可充分利用数据，提高模型精度。银行利用统计学习模型，如逻辑回归、SVM等，对信贷申请人的信用数据进行评估，有效预测违约风险，减少损失。在模型选择时，若无足够数据或理论支持复杂模型更优，则选择最简单的模型，即。
2024-09-07 19:41:44
587
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人