1.模型选择和交叉验证集
(1)模型的选择
模型选择的方法为:
1) 使用巡训练集训练出10个模型;
2)用10个模型分别对交叉验证集计算得出交叉验证误差(代价函数的值)
3) 选取代价函数值最小的模型
4)用步骤3中选择出的模型对测试集计算得出推广误差(代价函数的值)
(2)交叉验证集
交叉验证集既是在以7:3 对数据划分后的数据进行均分为n份,例如10则交叉,则均分为10等分,然后每份数据都会被当作测试集,使用另外9等分数据进行模型训练。
2.偏差和方差
(1)偏差
度量了学习算法中期望预测值与真实预测结果的偏离程度,既刻画了算法的拟合度。偏差较大:欠拟合。
(2)方差
度量了同样大小的训练集的变动所导致的学习性能变化,刻画了数据集所造成的影响。方差较大:过拟合。
(3)如何通过偏差和方差进行模型的选择
既是,交叉验证集上的最小测试结果值。
3.学习曲线
学习曲线是将训练集误差和验证集误差作为训练集实例数量(m)的函数绘制的图。
(1)训练集的数据尺寸确定
1) 欠拟合
既是在高偏差/欠拟合的情况下,增加数据到训练集不一定有帮助。
2)过拟合
当交叉验证误差远大于训练集时,往训练集增加更多数据可以提高模型的效果。
也就是在高方差/过拟合的情况下,增加更多的数据到训练集可能可以提高算法效果。
其他参数的值以同样的方式进行确定。
(2) 小结
1) 常用算法
注意:这里的归一化程度就是正则化程度,
2) 神经网络