![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
Olivia LI.
这个作者很懒,什么都没留下…
展开
-
01
绪论 1.机器学习 1.计算机从数据中产生“模型”的算法,即学习算法。 2.监督学习 分类:预测的是离散值。 回归:预测的是连续值。 无监督学习 聚类:对数据分组 【困难点】 与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例,保留正例、删除反例留下来的集合即为版本空间。 2.模型精度评估 1.经验误差与过拟合 2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差,在新样本上的误差成为泛化误差。 3.过拟合与欠拟合 过拟合-过配:学到了不一原创 2021-12-15 18:56:14 · 115 阅读 · 1 评论 -
01
绪论 1.机器学习1.计算机从数据中产生“模型”的算法,即学习算法。2.监督学习分类:预测的是离散值。回归:预测的是连续值。 无监督学习聚类:对数据分组【困难点】与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例,保留正例、删除反例留下来的集合即为版本空间。2.模型精度评估1.经验误差与过拟合2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差,在新样本上的误差成为泛化误差。3.过拟合与欠拟合 过拟合-过配:学到了不一般的特性当做原创 2021-12-15 18:54:47 · 96 阅读 · 0 评论 -
【无标题】
绪论 1.机器学习 1.计算机从数据中产生“模型”的算法,即学习算法。 2.监督学习 分类:预测的是离散值。 回归:预测的是连续值。 无监督学习 聚类:对数据分组 【困难点】 与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例,保留正例、删除反例留下来的集合即为版本空间。 2.模型精度评估 1.经验误差与过拟合 2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差,在新样本上的误差成为泛化误差。 3.过拟合与欠拟合 过拟合-过配:学到了不一原创 2021-12-15 18:53:10 · 1317 阅读 · 0 评论