台大机器学习笔记(8)——Error Measure

最新推荐文章于 2021-03-04 20:38:33 发布
最新推荐文章于 2021-03-04 20:38:33 发布
阅读量723 收藏
点赞数
分类专栏： 笔记 文章标签： 机器学习 错误评价
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010366427/article/details/51016948
版权
本文探讨了在机器学习中如何处理噪声数据和概率目标，介绍了错误衡量方法，包括0/1错误和平方错误，以及它们对模型预测的影响。此外，还讨论了在错误代价不均衡时的加权分类策略，以优化算法性能。
摘要由CSDN通过智能技术生成
8.1 Noise and Probabilistic Target

　　当存在噪声数据时，由于所得到的结果未必是真实的结果，因此模型不再是确定性函数 h(x) ，而是概率分布 p(y|x) ，损失函数也变成了 y p(y│x) 下 y≠f(x) 。可以认为 p(y|x) 给预测结果带来的不确定性是由噪声数据造成的。同时，过去的确定性函数 h

最低0.47元/天 解锁文章
八月夏凉
关注
专栏目录
机器学习基石笔记(8)——Error Measure
LETFLY'S LAB
03-12 948
8.1 Noise and Probabilistic Target 　　当存在噪声数据时，由于所得到的结果未必是真实的结果，因此模型不再是确定性函数h(x)，而是概率分布p(y|x)，损失函数也变成了y p(y│x)下y≠f(x)。可以认为p(y|x)给预测结果带来的不确定性是由噪声数据造成的。同时，过去的确定性函数h(x)可以看做目标分布的特殊情况，即某一分类概率为1的情况。  　　例
机器学习笔记之——模型评估与改进之评估指标与评分
前尘忆梦的博客
12-27 1156
评估指标与评分 到目前为止，我们使用精度（正确分类的样本所占的比例）来评估分类性能，使用 R2 来评估回归性能。但是，总结监督模型在给定数据集上的表现有多种方法，这两个指标只是其中两种。在实践中，这些评估指标可能不适用于你的应用。在选择模型与调参时，选择正确的指标是很重要的。 1、牢记最终目标 在选择指标时，你应该始终牢记机器学习应用的最终目标。在实践中，我们通常不仅对精确的预测感兴趣，还希望将这些预测结果用于更大的决策过程。在选择机器学习指标之前，你应该考虑应用的高级目标，这通常被称为商业指标（busin
机器学习基石-08-2-Error Measure
hahahyahshsba的博客
11-05 503
error measure pointwise就是每次对一个点进行预测。classification指的是分类的方法，对或者错的判断。 pointwise error measure 在in-sample中，如果存在noisy就不能写成f(xn)要写成yn 在out-of-sample中，如果存在noisy就不能写成f(x)，这时的y是按照P抽取的不是确定的。
《机器学习基石》第8节课学习笔记
b2052269的博客
05-25 278
第8节课 Noise and Error 本节课主要学习了数据集有Noise的情况下，是否能够进行机器学习，并且介绍了假设空间H下演算法A的Error估计。本节课是对上一节知识的拓展和延伸，涉及到一点数学推导，不过基本上多为概述性的东西，相对起来比较好理解。 （一）引入noise 1.VC维理论：VC维是机器学习中一项重要的工具。 2.机器学习的流程： 3.引入no...
[台大机器学习笔记整理]noise and error measure以及在此基础上Learning flow的扩展
inabaraku的博客
07-15 682
在此前已经明确了superviesed learning的情况下的二分训练的原理。然而之前并没有考虑到噪声的影响，而在实际问题中是有噪声的。噪声有可能来自x方面，也可能来自y方面。存在噪声导致了可能实际有理想中的f(x)=y1，但我们收集到的数据集中会有f'(x)=y2。 依然以从bin中抽取球为例子，以下是有噪声时数据集中可能得到的结果 在hypothesis和x确定
李弘毅机器学习笔记：第三章—Error的来源
fly975247003的博客
09-17 267
李弘毅机器学习笔记：第三章—Error的来源 从上节课测试集数据来看，Average ErrorAverage\ ErrorAverage Error 随着模型复杂增加呈指数上升趋势。更复杂的模型并不能给测试集带来更好的效果，而这些 ErrorErrorError 的主要有两个来源，分别是 biasbiasbias 和 variancevariancevariance 。 然...
台湾大学林轩田机器学习基石笔记（红色石头）
07-05
台湾大学林轩田机器学习基石笔记（红色石头）
【机器学习笔记】——模型评价准则（Evaluation metrics）
孙悟充的博客
08-01 4137
目 录 1 模型选择2 回归任务2.1 MSE（Mean Square Error）均方误差2.2 RMSE（Root Mean Square Error）均方根误差2.3 RMSLE（Root Mean Square Log Error）均方根对数误差2.4 MAE（Mean Absolute Error）平均绝对误差2.5 $R^2$（R Squared）R方2.5.1 R方小于0？R方大于...
台湾大学林轩田《机器学习基石》学习笔记第8讲——Noise and Error
Stoneeeee的博客
09-19 404
上节课介绍VC Dimension的定义，从有限的dvcd_{vc}dvc​推导出VC bound，但其实基于Data Set是在没有Noise的情况下，本节课讨论如果Data Set本身存在Noise，那VC Dimension的推导是否还成立呢？ 一、Noise and Probabilistic Target 仍然以银行是否给客户发放信用卡为例，说明Noise的来源主要有三类： nois...
VMD常用命令（转载）
热门推荐
Phd丨jay的博客
06-03 2万+
VMD的console是十分强大的，也提供了很多内置命令，这里把当年研究VMD内置命令的笔记的一小部分发上来。和user guide有相似之处，但是我都尽量写成例子的形式来说明，绝大部分都是亲自试过的。可能当时有些地方写的不准确，也不完整，但是现在也懒得check了。有疑问还是对照user guide中的严格说法。 *****一些额外内容*****VMD里面所有行为，都可以用命令描述出来。打开VM...
VMD的相关命令（转载）
weixin_30783913的博客
05-04 2874
转载自：http://blog.sina.com.cn/s/blog_b48a7ac30102w6xg.html 自我学习总结： 1、打开VMD main上Extensions中的TkConsole这是VMD的控制命令区域。 2、围绕x轴旋转90：rotat x by 90 (或者rotat x to 90) 3、原子颜色设置+动力学键： 用fortran编写成lammps文...
Chapter 9 Measurement Bias
MTandHJ的博客
03-04 545
文章目录9.1 Measurement ErrorThe structure of measurement error9.3 Mismeasured confounders9.4 Intention-to-treat effect: the effect of a misclassified treatment9.5 Per-protocol effectFine PointThe strength and direction of measurement biasPer-protocol analyses
台湾大学林轩田机器学习技法课程学习笔记15 -- Matrix Factorization
红色石头的专栏
08-17 3688
我的CSDN博客地址：红色石头的专栏 我的知乎主页：红色石头 我的微博：RedstoneWill的微博 我的GitHub：RedstoneWill的GitHub 我的微信公众号：红色石头的机器学习之路（ID：redstonewill） 欢迎大家关注我！共同学习，共同进步！ 上节课我们主要介绍了Radial Basis Function Network。它的原...
【SVM最后一课】详解烧脑的Support Vector Regression
红色石头的专栏
05-12 841
AI有道一个有情怀的公众号1Kernel Ridge Regression首先回顾一下上节课介绍的Representer Theorem，对于任何包含正则项的L2-reg...
林轩田--机器学习技法--SVM笔记5--核逻辑回归(Kernel+Logistic+Regression)
rikichou的专栏
11-09 1206
林轩田--机器学习技法--SVM笔记5--核逻辑回归(Kernel+Logistic+Regression)
台大林轩田·机器学习基石记要
qiusuoxiaozi的博客
06-01 1万+
台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石，从今天起开始去粗取精 本文在差不多是随堂笔记，可读性不好。。第一讲比较基础，一些概念自己早已经理解了，所以不再做笔记，有点印象的是讲到了ML、DL、AI的一些联系与区别，ML主要是想从数据中学习/逼近一个理想的函数f(x)第二讲讲到了PLA，感知器学习算法，并且证明了线性可分时感知器收敛定理（与Haykin的Neural Networks
机器学习之梯度下降法（机器学习基石）
qq_34993631的博客
02-07 1620
从二元分类到罗吉斯回归在预测一个病人的患病情况的时候如果我们单纯的想预测下一个病人是否患病那么就会用到二元分类。但是如果我们现在预测某个病人患病的概率是多大的话显然二元分类就满足不了我们的要求于是就诞生了Logistic Regression。Logistic Regression的假设模型我们现在拥有的资料并不是我们所预期的类似于（某个病人，患病的概率）这样的资料，我们拥有的是（某个病人，是否患...
理解机器学习：算法与程序的关系解析
机器学习的定义强调了三个关键元素：任务（Task T）、性能度量（Performance Measure P）和经验（Experience E）。例如，AlphaGo在围棋游戏中，通过大量的自我对弈和与人类棋手的对局，学习并提升了其下棋策略。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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