- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习小常识2——数据处理与特征选择
机器学习里有一句名言：数据和特征决定了机器学习的上限，而模型和算法的应用只是让我们逼近这个上限。主要包括三部分:一是获取数据、数据抽样二是数据探索三是数据预处理与清洗 获取数据，数据抽样如何保证取样数据的质量？是否在足够范围内有代表性？数据样本取多少合适？如何分类(训练集、测试集、验...
2018-07-25 19:36:06
586
原创 机器学习小常识一——如何防止过拟合和欠拟合
概念解释：过拟合：训练的模型在训练集上面的表现很好，但是在验证集上面的表现很差，即模型的泛华能力较差，如图1 中的Overfitting；欠拟合：训练的模型在训练集上面的表现很差，在验证集上面的表现也很差,如图1 中的Underfitting；原因分析：过拟合：1. 最本质原因是“训练的模型太复杂，即模型记住了某些并不通用的特征，而不是学习到了通用的特征”；2. 训练集...
2018-07-25 19:17:50
2372
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人