Machine Learning Yearning31~32

1.如果训练误差比较小,低于期望的误差,而验证误差却较高于寻来你误差,这时,bias较小,variance较大,增加训练数据也许能够减小验证误差和训练误差。但是,如果训练误差本来就比较大,而且验证误差更大,这时bias和variance都大,就得想办法同时减少bias和variance了。
2.在画学习曲线时,当样本很小时,根据数据集的不同情况,会出现学习曲线震动非常厉害的情况,比如都取了负样本,这时很难看出学习曲线正确的趋势。以下有两个办法来解决这个问题:1,选取多组小样本训练数据,有放回抽样(无放回也可以),对每个模型得到的验证结果进行平均;2,如果原本训练数据类别极度不平衡,或者类别数量特变多,那我们可以选择一个相对平衡的子集而不是完全随机选取(以防全都是某一类的情况出现),比如使得选取的数据每类的比例和原始数据每类的比例接近相同。
当然如果原始是数据很大,每类数量分布比较均匀,那么就没有必要使用这些技巧。
那么当数据量非常大,使用均匀间隔画学习曲线的代价非常大,那么就可以使用不均匀间隔进行,比如逐渐增大间隔。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 、4下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。、可私 6信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 、4下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。、可 6私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 、4下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。、可私 6信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值