![](https://img-blog.csdnimg.cn/62bc5f20ac8149dca74dd805ea18b791.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
西瓜书学习
文章平均质量分 82
机器学习,西瓜书
SunACong
这个作者很懒,什么都没留下…
展开
-
第二章 模型评估与选择
本文是自己学习周志华西瓜书第二章的笔记,看的是b站up致敬大神的一起啃书,教的还可以需要多看几遍 模型评估与选择 经验误差与过拟合 错误率:分类错误的样本数占样本总数的比例 精度= 1 - 错误率 误差:学习器的预测输出与样本的真实输出之间的差异 训练误差/经验误差:学习器在训练集上的误差 泛化误差:学习器在新样本上的误差 拟合 过拟合:最常见的情况是由于学习能力过于强大(是由学习算法和数据内涵共同决定的),可能已经把训练样本自身的特点当作了所有潜在样本都会具有的一般性质,这样就会导致泛化能力下原创 2021-10-23 15:04:57 · 119 阅读 · 0 评论 -
第一章 绪论
1.1 引言 引言主要讲了本书的是通过学习机器学习来挑选西瓜, 1.2 基本术语 数据集:记录的集合(文中是收集了一批关于西瓜的数据) 示例/样本:关于一个事件或对象的记录(对一个西瓜的描述) 属性/特征:反应对象的性质(西瓜的色泽、根蒂、敲声) 分类/回归:预测值是离散值的学习任务/预测值是连续的学习任务 测试:学得模型后。使其进行预测的过程 预测样本:被预测的样本 学习器:即模型,看作学习算法在给定的数据和参数空间上的实例化 Fx:学得f后,对x进行测试,可以得到其预测标记,即y=f(x) 一般的原创 2021-10-14 21:55:15 · 68 阅读 · 0 评论