吴恩达机器学习入门笔记8-构建大型机器学习系统的方法

最新推荐文章于 2024-09-26 16:43:41 发布

杰斯洛兰德

最新推荐文章于 2024-09-26 16:43:41 发布

阅读量106

点赞数

分类专栏：吴恩达机器学习入门文章标签：机器学习吴恩达

本文链接：https://blog.csdn.net/qq_41037703/article/details/100881763

版权

吴恩达机器学习入门专栏收录该内容

13 篇文章 0 订阅

订阅专栏

                    
                    选择合适的特征向量
从一个很简单的算法实现，交叉验证检验误差，作出学习曲线。看算法是否具有高偏差或高方差问题，再考虑是否选择增加特征量或者增加样本 
  用实际证据来指导决策
 
发现误差后，手动分析误差类别，判断什么特征导致的误差，对误差进行优先级排序，先解决最多数量的
在交叉验证集上，为算法设定一个单一规则的数值评价指标进行评估，例如错误率。每次修改算法数值都能改变，帮助判断算法改进后的好坏程度 
  对于正例样本远大于反例样本的极端情况(偏斜类样本)，用查准率和查全率和F值进行评估，precision和recall高为好的算法
作出F-阈值图像，选取最大F值时的阈值，此时算法的性能最好
 
多参数保证偏差小，训练集大保证方差小