![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
再观沧海
这个作者很懒,什么都没留下…
展开
-
机器学习中的过拟合和欠拟合现象,以及通过正则化的方式解决。
过拟合:过拟合(over-fitting)是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越,导致在验证数据集以及测试数据集中表现不佳的现象。就像上图中右边的情况。过拟合的模型缺少泛化能力,过度的拟合了训练集中的数据。出现的原因是模型将其中的不重要的变量(特征)或者完全没有用的变量(特征)也当作了需要训练的数据。当变量(特征)过多,而训练集较少的时候会出现过拟合的现象。欠拟合...原创 2018-11-19 22:04:10 · 774 阅读 · 0 评论 -
梯度下降、线性回归算法中的梯度下降、为什么要用梯度下降算法。
1原创 2018-11-24 10:41:27 · 3429 阅读 · 0 评论 -
KNN算法原理 K Nearest Neighbour
K-临近算法原理简单地说,K-近邻算法采用测量不同特征值之间的距离方法进行分类。存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一数据 与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的 特征进行比较,常用的是计算欧几里得距离,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说,我们 只选择样本数据...原创 2018-11-24 11:37:40 · 378 阅读 · 0 评论