机器学习
richardxp888
这个作者很懒,什么都没留下…
展开
-
简单描述模型的鲁棒性和泛化性的区别
鲁棒性鲁棒性:对于输入扰动或对抗样本的性能。加入小扰动,或进行数据增强。对于我们正常使用的模型,或者小数据集,需要进行数据增强,增强模型的鲁棒性,并且可以提升模型泛化能力,即在测试集上的性能。加入对抗样本训练。针对模型的安全,而找到对抗样本进行专门训练,提升模型在对抗样本的鲁棒性;但是会降低模型的泛化能力,在真实的测试集上性能下降。鲁棒性强调网络结构本身的特征,是网络结构和参数在扰动下保持其对信号处理特征的能力,用司机来举例,鲁棒性是司机只用一只手或者旁边有人骚扰情况下开车的能力。泛化性泛化原创 2022-03-30 15:35:38 · 7376 阅读 · 0 评论 -
sklearn中train_test_split()函数用法
train_test_split()函数是用来随机划分样本数据为训练集和测试集的,当然也可以人为的切片划分。优点:随机客观的划分数据,减少人为因素完整模板:train_X,test_X,train_y,test_y = train_test_split(train_data,train_target,test_size=0.3,random_state=5)参数解释:train_data:待划分样本数据train_target:待划分样本数据的结果(标签)test_size:测试数据占样本数据原创 2021-04-02 23:49:44 · 11856 阅读 · 0 评论