- 博客(1)
- 收藏
- 关注
原创 《机器学习》周志华 第二章——模型评估与选择笔记
3、贝叶斯优化:对目标函数的形状进行学习,找到使得目标函数向全局最优提升的参数,每一次用新的采样点测试目标函数时候,利用信息来更新目标函数的先验分布,但贝叶斯算法容易陷入局部最优,在局部反复采样。我们可根据学习器的预测结果对样例进行排序,排在前面的是学习器认为“最可能”是正例的样本,排在最后的则是学习器认为“最不可能”是正例的样本.按此顺序逐个把样本作为正例进行预测,即可计算出计算出当前的查全率、查准率.计算适应度:计算每个个体的适应度,即目标函数的值,如机器学习模型的准确率或损失函数。
2023-02-14 17:39:02 442 3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人