![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 94
因为考研等原因更新较慢
你不要再难过了
根本赢不了
展开
-
十一、性能度量
这里写目录标题简介具体介绍均方误差错误率 简介 如何在实际运用中平价一个模型的好坏? 用性能度量的方法可以对学习模型的泛化或者分类能力进行评估,下面我们来简单介绍下各种性能度量的方法 具体介绍 均方误差 在回归任务中最简单最直观的就算是均方误差了。 MSE=1m∑i=0d(f(xi)−yi)2 MSE = \frac{1}{m} \sum_{i=0}^d (f(x_i) - y_i)^2 MSE=m1i=0∑d(f(xi)−yi)2 f(xi)是模型结果,yi是真实数据。 def MeanSqua原创 2021-08-25 08:15:02 · 179 阅读 · 0 评论 -
三、SVM基础
目录SVM简介 SVM简介 支持向量机(SVM)是一类经典的机器学习算法,给定训练集D={(x1,y1),(x2,y2),…,(xn,yn)},yi∈{-1,1},支持向量机试图找到一个平面把样本给分隔开,这个平面叫划分超平面wTx+b = 0的划分超平面。样本点xi到超平面wTx+b=0的距离为r(xi),距离超平面最近的几个训练样本点称为支持向量,两个不同类别的支持向量到超平面的距离之和r = 2/||w||称为间隔。 假设我们得到了一个划分超平面wTx+b = 0,那么: wTxi+b≤−1,yi=−原创 2021-06-10 23:16:29 · 162 阅读 · 1 评论