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:                                               bc28b88bac0142539e9e67d33718bbee.jpg

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值