- 博客(4)
- 收藏
- 关注
RSS订阅原创 机器学习（四）模型超参数进行调优(调参)
模型超参数进行调优(调参) 网格搜索GridSearchCV() 网格搜索的思想非常简单，比如你有2个超参数需要去选择，那你就把所有的超参数选择列出来分别做排列组合。举个例子： ????=0.01,0.1,1.0 和 ????=0.01,0.1,1.0 ,你可以做一个排列组合，即：{[0.01,0.01],[0.01,0.1],[0.01,1],[0.1,0.01],[0.1,0.1],[0.1,1.0],[1,0.01],[1,0.1],[1,1]} ，然后针对每组超参数分别建立一个模型，然后选择测试
2021-03-24 22:36:50
2229
1
原创 机器学习基础（三）方差与偏差
优化基础模型 (1) 训练均方误差与测试均方误差： 在回归中，我们最常用的评价指标为均方误差，即： ???????????? 当我们的模型的训练均方误差达到很小时，测试均方误差反而很大，但是我们寻找的最优的模型是测试均方误差达到最小时对应的模型，因此基于训练均方误差达到最小选择模型本质上是行不同的。 一般会出现以下情况 如果训练误差远小于测试误差，说明模型已经过拟合了，考虑如何避免过拟合。 如果训练误差和测试误差差不多，但是测试误差太大，说明模型复杂度很可能不够。 (2) 偏差-方差 偏差：为了
2021-03-22 23:18:48
457
原创 机器学习基础（二）
** 使用sklearn构建完整的机器学习项目流程 ** 一般来说，一个完整的机器学习项目分为以下步骤： 明确项目任务：回归/分类 收集数据集并选择合适的特征 选择度量模型性能的指标 选择具体的模型并进行训练以优化模型 评估模型的性能并调参 使用sklearn构建完整的回归项目 (1) 收集数据集并选择合适的特征： 在数据集上我们使用我们比较熟悉的Boston房价数据集，原因是： 第一个，我们通过这些简单的数据集快速让我们上手sklearn，以及掌握sklearn的相关操作。 第二个，我们用简单的数据集
2021-03-16 17:06:40
1039
原创 机器学习基础（一）
机器学习基础（一） 什么是机器学习？ 机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用 ???????? 来表示一个样本，其中 ????=1,2,3,…,???? ,共N个样本，每个样本 ????????=(????????1,????????2,…,????????????,????????) 共p+1个维度，前p个维度的每个维度我们称为一个特征，最后一个维度 ???????? 我们称为因变量(响应
2021-03-15 16:06:15
55
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