动手学深度学习笔记2

Part1 模型选择1  误差与数据集
● 训练误差(training error)：模型在训练集上表现出的误差。
● 泛化误差(generalization error)：在任意一个测试数据样本上表现出的误差的期望。
举个栗子，训练误差就是做往届试卷（训练）的错误率，泛化误差则可以通过真正参加考试（测试）时的答题错误率来近似。机器学习模型应该关注降低泛化误差。
● 验证集(validation set): 预留一部分在训练数据集和测试数据集以外的数据来进行模型选择。这部分数据被称为验证数据集，简称验证集。
● K折交叉验证(K-fold cross-validation): 将原始训练数据集分割成K个不重复的子数据集，然后做K次模型训练和验证。每一次使用一个子数据集验证模型，并使用其他K-1个子数据集来训练模型。在这K次训练和验证中，每次用来验证模型的子数据集都不同，最后，我们对K次训练误差和验证误差分别求平均。2  过拟合与欠拟合
● 欠拟合(underfitting): 模型无法得到较低的训练误差
● 过拟合(overfitting): 模型的训练误差远小于它在测试数据集上的误差
● 模型复杂度● 训练数据集大小：影响欠拟合和过拟合的另一个重要因素时训练数据集的大小。一般来说，如果训练数据集中样本数过少，特别是比模型参数更少时，过拟合更容易发生。此外，泛化误差不会随训练数据集里的样本数量增加而增大。因此，在计算资源允许的范围之内，我们通常希望训练数据集大一些，特别是在模型复杂度较高时。