机器学习之模型评估与优化

最新推荐文章于 2024-03-02 12:00:01 发布

置顶

不正经的蒙娜丽莎

最新推荐文章于 2024-03-02 12:00:01 发布

阅读量1k

点赞数

分类专栏： machineLearning 文章标签：机器学习人工智能数据分析 python 深度学习

本文链接：https://blog.csdn.net/samuelzhoudev/article/details/109390791

版权

产生原因：模型不合适导致其无法对数据实现有效的预测。

模型对数据的预测情况：

欠拟合可以通过观察训练数据及时发现，通过优化模型结果解决

过拟合产生原因

解决办法：

在这里插入图片描述

建立模型的意义，不在于对训练数据做出准确预测，更在于对新数据的准确预测

模型训练与评估流程

数据载入 —> 数据可视化与预处理 —> 模型创建 —> 数据用于模型训练 —> 模型评估

分类任务中，计算测试数据集预测准确率(accuracy)以评估模型表现。训练数据集准确率随着模型复杂而提高，测试数据集准确率在模型过于简单或过于复杂的情况时下降。但无法真实反映模型针对各个分类的预测准确度。准确率可以方便的用于衡量模型的整体预测效果，但无法反应细节信息，具体表现在：

混淆矩阵(Confusion Matrix)，又称为误差矩阵，用于衡量分类算法的准确程度
在这里插入图片描述
通过混淆矩阵，计算更丰富的模型评估指标

关注