2.1经验误差与过拟合
1.错误率与正确率
错误率E=a/m,精度=1-E=1-a/m
2.错误率为0,精度为100%多数情况并不好
3.过拟合与欠拟合
过拟合:把训练样本所包含的不太一般的特性都学到了
欠拟合:学习能力低下
2.2评估方法
1.测试集T在训练集S中不能集中出现
2.留出法:
(1)训练/测试集的划分尽可能保持数据分布的一致性,避免数据划分过程引入额外的偏差对最终结果产生影响
(2)可以进行抽样检测
(3)采用若干次随即划分,重读进行实验评估侯取平均值作为评估结果
(4)T小,评估结果方差较大;反之也成立。所以一般用2/3~4/5的样本进行训练,剩余样本用于测试
3.交叉验证法:(k折交叉验证)
(1)每次用k-1做训练集,最后一个叫测试集。然后求k次,最后求平均值。
(2)效果取决于k
(3)留一法
4.自助法:
(1)有放回的采取数据。产生D'。
(2)发现D的数据不会被采集到的概率是1/e(0.368)
(3)以D’为训练集,以D\D‘为测试集,包外估计
(4)用于集成学习
5.调参与最终模型
(1)训练数据划分为训练集和验证集
2.3性能度量
2.3.1回归任务最常用的是均方误差
E(f,D')=
2.3.2 错误率与精度
(1)二分类任务和多分类任务
(2)公式:P29两种表示方式
2.3.3 查准率、查全率与F1
(1)解决的问题是有多少比例,而不是判断是否正确
(2)二分类例子情况
(3)查准率:P=TP/TP+FP
查全率:R=TP/TP+FN
个人理解:查准率是说预测里面真实情况占预测的多少,查全率是说真实情况下正确是多少。
(4)查准率与查全率是矛盾的,一个高另一个就低。
(5)对学习器的预测结果进行排序,前面的就是学习器认为好的,后面的就是学习器认为不好的。
(6)如果一个学习器A的P-R曲线能把另一个曲线B包住,那么A的性能好于B的。若发生交叉,则不确定。
(7)平衡点的判断解决交叉问题。平衡点是指P=R的点,然后越大说明效果越好,P-R效能就越高