有关于机器学习诊断法
评估假设
将样本按照7:3分为训练集和测试集 ->(改进) 训练集、交叉验证集、测试集(比例6:2:2)
从而引出了训练误差、交叉验证误差、测试误差
有时候模型不是很理想,所以我们要看是否是偏差还是方差问题(也就是欠拟合问题or 过拟合)
判断方法:
接下来讨论算法中正则化和偏差、方差的关系
学习曲线判断某一个算法是处在偏差还是方差上
训练误差随着样本增大而增大,但是交叉验证误差会慢慢减少。
有关于机器学习诊断法
评估假设
将样本按照7:3分为训练集和测试集 ->(改进) 训练集、交叉验证集、测试集(比例6:2:2)
从而引出了训练误差、交叉验证误差、测试误差
有时候模型不是很理想,所以我们要看是否是偏差还是方差问题(也就是欠拟合问题or 过拟合)
判断方法:
接下来讨论算法中正则化和偏差、方差的关系
学习曲线判断某一个算法是处在偏差还是方差上
训练误差随着样本增大而增大,但是交叉验证误差会慢慢减少。