《西瓜书》绪论&模型评估与选择

**

Task01 绪论&模型评估与选择

**

分类：预测离散值；回归：预测连续值；聚类：学习过程中使用的训练样本不具有标记信息。

监督学习：分类、回归；无监督学习：聚类。

模型的泛化能力非常重要；训练误差：在训练集上的误差；泛化误差：在新样本上的误差。

评估方法：留出法；交叉验证法；自助法。
留出法：常见大约2/3~4/5的样本用于训练，剩余样本用于测试；
自助法：在数据集较小、难以有效划分训练/测试集时很有用，但改变了数据集的分布，会引入估计偏差；

均方误差：回归任务最常用的性能度量

TP(真正例) FN(假反例)
FP(假正例) TN(真反例)

查准率P = TP/(TP+FP)
查全率R = TP/(TP+FN)
平衡点：查准率=查全率