机器学习
FrankFlynn
求知弱饥,虚心若愚。
展开
-
经验误差与过拟合
1.经验误差 “误差”是学习器的实际预测输出与样本的真实输出之间的差异;比如一组数据 1,2,4,5.使用阈值3,将其分为两类。假设学习器的分类结果为 1和 2,4, 5 。但是实际的结果为1,2,和4,5,分错的2就是误差。那什么是经验误差呢?没啥神秘,其实就是在训练集的误差,也叫训练误差。相对于经验误差的,还有大家经常遇到的泛化误差,泛化误差是在新样本(测试集)的误差。显然,我们都希望泛化...转载 2018-06-11 23:09:30 · 955 阅读 · 0 评论 -
评估方法
现实生活中,往往有很多种算法可供选择,甚至对于同一个学习算法,当使用不同的参数配置时,也会产生不同的模型。那么我们该选用哪一种算法,哪一种参数配置呢?这就是机器学习中“模型选择”问题。理想的解决方案当然是对候选模型进行泛化误差进行评估,然后选择泛化误差最小的模型。然而,我们是无法直接获得泛化误差,而训练误差又存在过拟合现象,不适合作为标准,那么在实际中如何进行模型评估与选择呢?通常我们可以通过实验...转载 2018-06-12 22:21:00 · 274 阅读 · 0 评论