![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础
文章平均质量分 85
三头猪等于一头大猪
想睡觉
展开
-
机器学习 三:欠拟合,过拟合 & 偏差-方差权衡(Bias-Variance Tradeoff)
对于符合某一模型(y = f(x))的数据,在实际获取数据的时候,不可避免的,数据点会受到噪音(z)影响(y = f(x) + z),导致实际得到的数据点并不完全按照该模型分布。bias即模型预测与真值之间的差异,variance即模型经过多组训练数拟合出来的结果之间的差异。此外,由上述公式还注意到,测试集上的误差同时考虑了bias与variance,因此也解释了模型在测试集的表现通常不如训练集的原因。因此,在训练模型时,所谓的最优解,即两者均相对较小的状态。,不仅适应了所有的训练数据,且。原创 2023-11-05 14:24:25 · 196 阅读 · 1 评论 -
机器学习 二:回归问题 之 普通最小二乘 Ordinary Least Squares(OLS) 与 闭式解
答:就是输入数据D = {X,y} 中X的具体某一行。原创 2023-10-13 00:34:34 · 441 阅读 · 0 评论 -
机器学习 一:最小点与梯度下降,Python实现
由特定输入,计算机经过某种模型自主学习优化模型参数,得到目标输出。输入数据(input data),目标输出(outputs),预测模型(hypothesis models),损失函数(loss function)和一个未知的最佳模型(true model)。机器学习就是通过输入数据获得预测输出,通过损失函数衡量获得的预测输出与真实情况的差异,从而将模型的参数进行调整,使得这种差异越来越小,直到“理论上的”最佳模型。为什么说“理论上”的呢?因为在实际应用中,几乎是不可能得到最优的模型(参数)原创 2023-10-03 14:40:50 · 150 阅读 · 0 评论