人工智能
且听@风吟
这个作者很懒,什么都没留下…
展开
-
人工智能学习之路——第二章模型评估与选择
错误率(error rate):分类错误的样本a/样本总数m,E=a/m精度(accuracy):1-错误率,1-a/m训练误差(training error)/经验误差(empirical error):学习器在训练集上的误差泛化误差(generalization error):在新样本上的误差我们希望找到在新样本中表现好的学习器,为此,应该从训练集中尽可能的学到适用与所有潜在样本的“普遍规律”过拟合(overfitting):学习器把训练样本学习得太好了,很可能将样本集自身中的一些特点当.原创 2020-06-05 12:23:33 · 652 阅读 · 0 评论 -
人工智能学习之路——基本术语
基本术语数据集:一组记录的集合记录:关于一个事件或对象的描述,又称“示例/样本”如关于一个西瓜的记录:(色泽=浅白;根蒂=硬挺;敲声=清脆) 多个西瓜的记录又可以构成一组西瓜的数据集属性:反映事件或对象在某方面的表现或性质的事项如"色泽",“敲声”属性空间:属性张成的空间如把“色泽”“根蒂”“敲声”作为三个坐标轴,则张成一个用于描述西瓜的三维空间 用于表述西瓜的三维空间,每个西瓜都有对应的坐标 ,原创 2020-06-04 10:30:09 · 428 阅读 · 0 评论