模型评估与选择:经验误差与过拟合、评估方法(留出法、交叉验证法、自助法)
误差(误差期望):学习器的实际预测输出与样本的真实输出之间的差异称为“误差”。学习器在训练集上的误差称为“训练误差”、“经验误差”;在新样本上的误差称为“泛化误差”过拟合与欠拟合:过拟合:学习器把训练样本学习得太好,得到的经验误差很小,这时,很可能已经把训练样本自身的一些特点当做了所有潜在样本都会具有的一般性质,这样会导致泛化性能下降,这种现象称为“过拟合”。欠拟合:指对训练样本的一般性质尚未学好。模型选择:学习算法、参数配置的不同会产生不同的模型理想的解决方案是对候选模型的泛化误差进行评估,然后选择泛化误
原创
2022-06-23 19:57:51 ·
546 阅读 ·
0 评论