![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
你吃过卤汁牛肉吗
这个作者很懒,什么都没留下…
展开
-
软间隔SVM---松弛变量&惩罚因子
软间隔SVM0.为什么要引入软间隔SVM在svm中对于线性不可分问题可以通过使用核函数将特征映射到高维空间实现“线性可分”直观解释:盒子中的小球(黑白两种颜色),在盒子上面看,无法用一个平面分割;但是从盒子的侧面看就可以用一个平面将两种颜色的小球分开了。这种思想就是将特征转换到另外一个空间(可能与原空间的维度相同或者升维),就可将线性不可分问题转变为线性可分问题。但是对于只...原创 2019-05-14 16:08:52 · 4010 阅读 · 0 评论 -
二分类器解决多分类问题
两种思路:以SVM为例1.one-versus-rest思想:假设一共有1,2,3,4,5个类别的数据对于第1类,训练一个分类器:第1类是正样本,其余类的样本都是负样本对于第2类,训练一个分类器:第2类是正样本,其余类的样本都是负样本以此类推,一共训练出五个分类器在预测阶段,对于输入的待分类样本,分别从第一个分类器开始询问是否属于该类别,该分类器“承认”,就将该样本...原创 2019-05-14 16:38:20 · 8091 阅读 · 0 评论 -
偏差、方差、噪声、泛化误差以及过拟合和欠拟合之间的关系
0. 期望预测首先定义: 在一个训练集D上的模型, 对于测试样本x的预测值为在不同训练集D上训练出的模型, 对同一个测试样本x的预测值取期望, 即期望预测---偏差\方差\噪声都是针对测试样本来计算的即,将一个测试样本x输入到模型中,计算出偏差方差和噪声都是针对于同一个样本x,不同模型的输出值进行相应计算的1. 偏差模型的期望预测与真实值的偏离程度...原创 2019-08-05 11:08:00 · 1606 阅读 · 2 评论 -
如何解决过拟合和欠拟合
欠拟合集成学习增加模型的迭代次数增加模型复杂程度(如神经网络增加层数,决策树加深等)更换表达能力更强的模型生成更多的特征供训练使用降低正则化程度过拟合使用正则化项,降低模型的复杂度增加训练集减少训练使用的特征数量...原创 2019-08-05 11:20:11 · 172 阅读 · 0 评论