评估机器学习模型(概略)

  1. 训练集,验证集,测试集
    在训练集上训练数据,在验证集上评估数据.一旦找到了最佳模型参数,就在测试集上做最后一次验证.

为什么不是训练集与测试集,还要加个验证集呢?
   原因在于:训练模型时总是要调节模型配置,这个调节过程需要使用模型在验证数据上的性能作为反馈信号,这个调节过程本质上就是一种学习:在某个参数空间中寻找良好的模型配置.因此如果将训练集与验证集合并为训练集,用来调节模型,会很快导致模型在合并后的训练集上过拟合.造成这一现象的关键是信息泄露

为了衡量模型的范化能力,必修在一个完全不同的,前所未见的数据集上来评估模型,就是测试集.
2. 三种经典的评估方法

3.评估模型的注意点:

  • 数据代表性
  • 时间箭头
  • 数据冗余
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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