- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习——模型评估和选择（2）
易知：方差和偏差具有矛盾性，这就是常说的偏差-方差窘境，随着训练程度的提升，期望预测值与真实值之间的差异越来越小，即偏差越来越小，但是另一方面，随着训练程度加大，学习算法对数据集的波动越来越敏感，方差值越来越大。在成对t检验的基本思想中，我们的前提是测试错误率是泛化错误率的独立采样，但是在k折交叉检验中，选择的训练/测试集难免会产生重叠，因此好的解决办法是使用5次2折交叉验证，使用第一次的两对差值计算均值，使用全部的差值对（即10对）计算方差，可以有效地避免这个问题。，若两个学习器性能相同，则。
2024-05-14 16:02:40
983
1
原创 机器学习——模型评估和选择（1）
P-R曲线如何评估呢？简单分析图像，可以得知：当FN=0时，TN也必须0，反之也成立，我们可以画一个队列，试着使用不同的截断点（即阈值）去分割队列，来分析曲线的形状，（0,0）表示将所有的样本预测为负例，（1,1）则表示将所有的样本预测为正例，（0,1）表示正例全部出现在负例之前的理想情况，（1,0）则表示负例全部出现在正例之前的最差情况。在分类任务中，即预测离散值的问题，最常用的是错误率和精度，错误率是分类错误的样本数占样本总数的比例，精度则是分类正确的样本数占样本总数的比例，易知：错误率+精度=1。
2024-05-13 15:39:09
1092
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