机器学习
Jellyqin
这个作者很懒,什么都没留下…
展开
-
L1,L2正则化
线性:两个变量之间的关系是一次函数关系的——图象是直线,叫做线性。非线性:两个变量之间的关系不是一次函数关系的——图象不是直线,叫做非线性。linear regression model 容易出现过拟合或者欠拟合的问题,解决方式是加正则化项:L0范数指向量中非零元素的个数L1范数:向量中每个元素绝对值的和L2范数:向量元素绝对值的平方和再开平方使用正则化项,也就是给loss fun...原创 2019-12-11 21:42:35 · 196 阅读 · 0 评论 -
KNN的K值选取
note: 近似误差:可以理解为对现有训练集的训练误差。 估计误差:可以理解为对测试集的测试误差。如果选择较小的K值,就相当于用较小的领域中的训练实例进行预测,“学习”近似误差会减小,只有与输入实例较近或相似的训练实例才会对预测结果起作用,与此同时带来的问题是“学习”的估计误差会增大,换句话说,K值的减小就意味着整体模型变得复杂,容易发生过拟合;如果选择较大的K值,就相当于用较大领域中...原创 2019-12-09 21:33:15 · 2296 阅读 · 0 评论 -
模型评价指标
本来想写一个评价指标的总结,但发现这篇文章已经总结很清楚了直接熟记这篇文章的概念就好了原创 2019-11-26 19:50:44 · 161 阅读 · 0 评论