- 博客(2)
- 收藏
- 关注
RSS订阅原创 2.模型评估与选择
2.1 经验误差与过拟合 1、m样本个数，a个错误样本 错误率E=a/m 精度1-E 误差：实际与样本输出差异 训练误差：训练集上误差 泛化误差：新样本上误差 2、 过拟合：泛化能力下降，学太好（无法避免） 欠拟合：一般性不完好 2.2评估方法 1、测试集：测试误差近似泛化误差 （测试样本不在训练集出现，新） 2.2.1留出法： 多次随机划分、重复实验取平均值 2/3~4/5用于训练，剩余测试 训练集和测试集保持数据分布一致 2.2.2 交叉验证法 ...
2022-05-16 22:23:51
92
原创 1.瓜绪论
1.1 机器学习:通过计算的手段,改善系统性能 内容:从数据中心产生模型（这个过程称为学习或训练）,即学习算法 1.2 术语 数据集：记录的集合 样本：关于一个对象事件的描述 属性、特征；属性值：属性上的取值；属性空间、样本空间 特征向量---d个属性（d维特征向量），d维样本空间 学习、训练：从数据中心学得模型的过程 模型：分类（预测离散值）-- 二分类、多分类 --无监督学习 回归（预测连续值）-- 输出空间y=R -- 无监督学习 聚类（自动形成簇cluste...
2022-05-16 17:13:56
195
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人