![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
机器学习基础及算法相关笔记
本初-ben
深度学习、计算机视觉业余爱好者
展开
-
机器学习基础——损失函数与风险函数
机器学习的目标是从模型的假设空间中选取最优的模型,其具体的策略有经验风险最小化和结构风险最小化。下面简单介绍损失函数和风险函数的相关概念。参考自李航《统计学习方法》。损失函数损失函数(loss function)用来预测模型单次预测的好坏,即模型的预测值f(X)和真实值Y之间的差别,记作L(Y,f(x))。损失函数越小,表示模型预测越准确。机器学习常用的损失函数有:(1)0-1损失函数(2)平方损失函数(3)绝对损失函数(4)对数损失函数风险函数风险函数(risk functi原创 2022-03-08 15:01:00 · 7413 阅读 · 0 评论 -
训练集、测试集、验证集与交叉验证
初学者对于训练集(train set)、测试集(test set)、验证集(validation set)这三个概念和应用非常容易搞混,这里我结合各种博文和书籍上的讲解进行总结:训练集参与训练,模型从训练集中学习经验,从而不断减小训练误差。这个最容易理解,一般没什么疑惑。验证集不参与训练,用于在训练过程中检验模型的状态,收敛情况。验证集通常用于调整超参数,根据几组模型验证集上的表现决定哪组......原创 2020-04-13 16:26:51 · 8079 阅读 · 2 评论