模型的评估和选择
模型的评估和选择1、精度分类错误的样本数量占样本总数的比例为‘错误率’,若有m个样本,其中a个样本被错误分类,则错误率为E=maE=\frac{m}{a}E=am,相应的‘精度’就等于1-E。一般来说,在训练集上的误差称为训练误差,在新样本上的误差称为泛化误差。我们最终的目的是得到一个泛化误差较低的学习器,然而在很多情况下,我们并不知道新样本。因此,我们只能努力降低训练误差,同时提高模型的泛化能力。2、过拟合与欠拟合我们努力降低学习器的训练误差,因此,学习器会尽可能挖掘出训练样本的内在规律
原创
2021-05-05 11:56:16 ·
507 阅读 ·
0 评论