- 博客(2)
- 收藏
- 关注
RSS订阅原创 【无标题】
1. 模型评估与参数选择的重要性2. 模型评估的基本概念3. 数据集的划分4. 过拟合与欠拟合5. 数据集划分代码示例6. 课堂练习1. 监督学习与非监督学习2. 回归与分类3. 回归问题的应用4. 分类问题的评估指标5. PR曲线和mAP6. 课堂练习
2024-09-17 12:36:57
331
原创 机器学习课堂笔记
半监督学习利用有限的标签数据和大量无标签数据共同训练模型，提高学习效率和 泛化能力。策略实施前的特征选择能够显著降低数据的维度，选择有信息量的特 征可以显著提升机器学习略的性能表现。在机器学习中，策略的选择直接关系到模型泛化能力的高低。 传统的神经网络为BP神经网络，基本网络结构为输入层、隐藏层和输出层，节点代表神经元，Logistic回归和最大熵模型对特征选择敏感，合理的特征组合和选择能显著提升模型的。在Logistic回归和最大熵模型中加入正则化项，能有效防止过拟合，提高模型的泛化能。
2024-09-04 20:57:10
457
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