机器学习中模型的评判和保存

一、分类、回归、聚类不同的评判指标

1、分类（离散）；    回归（连续）。                2、“训练误差”——模型在训练集上的误差；       “泛化误差”——在新样本（新标签)上的误差；    模型目标——努力使经验误差最小化  。             3、常用指标:                                                （1）准确率（Accuracy）=正确的数/总数；    （2）AUC是一个概率值，越大越好；                （3）均方误差是参数估计值与真实值平方的期望值；                                                                  （4）平均绝对均值是参数估计值与真实值的绝对值之和的期望值。                                           4、交叉验证:  将数据集D划分为k歌大小相似的互斥子集，即D=D1∪D2∪...Dk，其中Di∩Dj非空且i≠j。                                                                   

实现交叉验证的案例分析: