机器学习
SaiW-n_n-
努力,踏实。
展开
-
【机器学习】k-fold cross validation(k-折叠交叉验证)
交叉验证的目的:在实际训练中,模型通常对训练数据好,但是对训练数据之外的数据拟合程度差。用于评价模型的泛化能力,从而进行模型选择。交叉验证的基本思想:把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对模型进行训练,再利用验证集来测试模型的泛化误差。另外,现实中数据...转载 2018-12-15 14:16:49 · 2519 阅读 · 0 评论 -
【机器学习】交叉验证,K折交叉验证的偏差和方差分析
交叉验证部分参考:模型选择中的交叉验证方法综述,山西大学,范永东(这是一篇硕士论文,原文内容有点啰嗦,存在一些错误。本文对其交叉验证部分校对整理)交叉验证是一种通过估计模型的泛化误差,从而进行模型选择的方法。没有任何假定前提,具有应用的普遍性,操作简便, 是一种行之有效的模型选择方法。1. 交叉验证的产生人们发现用同一数据集,既进行训练,又进行模型误差估计,对误差估计的很不准确,这就是...转载 2018-12-15 14:23:27 · 2284 阅读 · 1 评论