- 博客(4)
- 收藏
- 关注
RSS订阅原创 交叉验证与网格搜索
原理：只需要将若干参数传递给网格搜索对象，它自动帮我们完成不同超参数的组合、模型训练、模型评估，最终返回一组最优的超参数。交叉验证是一种数据集分割方式，将数据集划分为n份，取一份做测试集，其他n-1份做训练集。•模型有很多超参数，其能力也存在很大的差异。•每组超参数都采用交叉验证评估，最后选出最优参数组合建立模型。•交叉验证解决模型的数据输入问题(数据集划分)得到更可靠的模型。•网格搜索+交叉验证的强力组合(模型选择和调优)目的：模型调参的工具，寻找最优超参数的工具。•网格搜索解决超参数的组合。
2024-04-25 22:28:24
421
原创 四种距离计算方法及鸢尾花分类
两点坐标（|x1-x2|，|y1-y2|）中取最大值即为距离。例max（|6-3|，|5-4|）=2。交叉验证：是数据集的分割方法，将训练集划分为n份，拿一份做测试集，其他n-1份做训练集。p是参数：p=1时为曼哈顿距离，p=2时为欧氏距离，p=∞时为切比雪夫距离。例：A(2,2),B(1,1)则AB=|2-1|+|2-1|=2。特征的单位或大小相差大，或某特征的方差比其他的大的多，影响结果。交叉验证解决模型的数据输入问题(数据集划分)得到更可靠的模型。网格搜索：是模型调参的有力工具。
2024-04-24 22:22:04
591
原创 特征工程及KNN算法
提取与任务相关的特征：特征缩放1、归一化：将特征缩放到一个特定的范围，通常是[0, 1]。2、标准化：将特征缩放为均值为0，标准差为1的分布。：会影响原始数据：不会形象原始数据：将相关性大的组合在一起:模型对样本点的拟合情况模型在训练集和测试集表现都差，产生原因是因为模型过于简单。可采取增加特征值解决。模型在训练集表现好，测试集表现差，产生原因是模型过于复杂而训练数据少。可增加训练数据。
2024-04-23 23:09:06
687
1
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