【人工智能】机器学习西瓜书11——经验误差与过拟合，模型评估的方法，均方误差，错误率与精度，最优阈值

我们按训练集预算法的关系进行划分。

一种训练集一种算法

经验误差与过拟合

• 误差: 学习器的实际预测输出与样本的真实输出之间的差异；比如一组数据 1,2,4,5.使用阈值3，将其分为两类。假设学习器的分类结果为 1和 2，4, 5 。但是实际的结果为1,2,和4,5，分错的2就是误差。
• 经验误差：训练集的误差，也叫训练误差。相对于经验误差的，还有大家经常遇到的泛化误差，泛化误差是在新样本（测试集）的误差。
• 过拟合：当学习器把训练样本学的“太好”了的时候，很可能已经把训练样本特点当作了潜在样本都会具有的一般性质，这会导致泛化性能下降。与过拟合相对的是“欠拟合”，这是指对训练样本的一般性质尚未学好。

模型评估的方法

训练集

测试集保留方法

• 留出法：三七或二八，但注意训练集测试集同分布，或多次随机划分训练多个模型取平均值
• k折交叉验证法：将训练集随机等分为k份，取其中一份为验证集评估模型，其余k-1份为训练集训练模型，重复该步骤k次，每次都取一份不同的子集为验证集，最终得到k个不同的模型（不是对一个模型迭代k次）和k个评分，综合这k个模型的表现（平均得分或其他）评估模型在当前问题中的优劣。
  
• 自助法：原数据集$D$是一个包含m个样本的数据集，通过自助法有放回的重复抽样m次，每次抽取1个数据，放到$D^{\prime }$中，$D^{\prime }$中也有$m$个样本，同时，原来的数据集D中不被D’包含的数据作为验证集。到底会有多少数据作为验证集呢？周老师给出了原数据集$D$一次也未被抽中的数据的概率为：
  $$\underset{m\to \infty }{\lim }(1-\frac{1}{m}{)}^m\to \frac{1}{e}\approx 0.368$$理论状态下，验证集为$0.368\ast m$条数据
  适用：数据集较小难以划分时。缺点：改变初始分布，引入估计误差。

验证集

调参用，调参难度大，很多参数人为规定，为了调参，常加一个数据集进行验证，训练及训练，验证集看结果，调参，再训练…

性能测量

均方误差

在预测任务中，给定样例集$D=(x_1,y_1),(x_2,y_2),...,(x_m,y_m)$中是示例$x_i$的真实标记，要评估学习器$f$的性能，就要把学习器预测结果$f(x)$与真实标记$y$进行比较

$$\{\begin{array}{rl}& 均方误差：E(f:D)=\frac{1}{m}\sum _{i=1}^m(f(x_i)-y_i{)}^2\\ & 对于数据分布D和概率密度函数p(\cdot ):E(f:D)={\int }_{x\sim D}(f(x_i)-y_i{)}^{2}p(x)dx\end{array}$$

错误率与精度

查准率查全率

查准率：$P=\frac{TP}{TP+FP}$
你认为的好瓜里面真的是好瓜的比例。
查全率：$R=\frac{TP}{TP+FN}$
我预测的里面好瓜占真正好瓜的比例
以查准率为纵轴、查全率为横轴作图 ，就得到
了查准率-查全率曲线，简称 “P-R曲线”
若一个学习器的 P-R 曲线被另一个学习器的曲线完全"包住 " ， 则可断言后者的性能优于前者。但往往学习器的 P-R 曲线发生了交叉难以断言两者孰优孰劣?在很多情形下，人们往往仍希望把学习器 A 与 B 比出个高低 . 这时一个比较合理的判据是比较 P-R 曲线节面积的大小，它在一定程度上表征了学习器在查准率和查全率上取得相对"双高"的比例.但这个值不太容易估算，因此人们设计了一些综合考虑查准率 、 查全率的性能度量 。

最优阈值

一个二分类(一张PR)

Fbeta加权的调和平均:对查准率和查全率的重视程度有所不同,$\beta$ = 1,退化为标准的 F1; $\beta$> 1 时查全率有更大影响 ; $\beta$< 1 时查准率有更大影响。

n个二分类实现的多分类

这里我们详细说一下如何分解n个二分类实现多分类，主要有先计算再求和，先求和再计算两方面：