模型评估
用于评估机器学习模型的效果
liyiersan123
这个作者很懒,什么都没留下…
展开
-
过拟合解决方案之正则化
1.过拟合问题对于过拟合问题,通常原因是模型选择太过复杂,也有可能是训练数据太少。对于模型太复杂的情况,我们一般有如下考虑:一是通过分析删除部分特征(比如重复多余的特征或者对输出值贡献不太大的特征),但是这样有可能会损失一部分信息。所以,我们可以通过正则化的方法来降低参数值,从而避免过拟合问题。对于过拟合问题的详细描述,可以查看我的另一篇博客机器学习之欠拟合与过拟合。2.正则化回顾一下,在回...原创 2019-11-13 11:40:29 · 318 阅读 · 0 评论 -
机器学习之欠拟合与过拟合(一)
机器学习之欠拟合与过拟合(一)1.欠拟合(underfitting)与过拟合(overfitting)在机器学习中,我们的主要思想是通过对数据集的学习来生成我们的假设模型。在对数据集进行拟合的过程中,我们可能会遇到欠拟合和过拟合的问题。以身高预测的例子为例,这里给出7-18岁男生的身高标准(数据来源:7 岁~18 岁儿童青少年身高发育等级评价),如图1:将中位数随年龄的变化绘制成散点图,如...原创 2019-11-09 20:30:59 · 538 阅读 · 0 评论