增强机器学习模型性能——深入理解随机森林(RandomForest)和 Dropout的原理

要想了解如何增强机器学习模型性能,我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差(Bias)和方差(Variance)组成的。偏差是指样本预测值的平均值样本真实值的差,而方差是指样本预测值偏离样本预测值平均值的程度
其中

  • 偏差(Bias)可以描述模型的准确性
  • 而方差(Variance)可以描述模型的稳定性,一定程度上反映了模型泛化能力

所以增强机器学习模型性能就意味着需要提高模型的准确性和稳定性。

我们来看看下图,直观的感受一下偏差(Bias)和方差(Variance)对模型的影响,你可以将其想象一个同学的一学期的考试情况,越靠红心代表考试得分越高:

  • 右下角同学——学渣,每次考试分数不高,而且成绩还不稳定,属于高偏差高方差的模型。
  • 左下角同学——学庸,成绩很稳定,可是每次考试得分都不高,属于方差较小可是偏差较大的模型。
  • 右上角的同学——学聪,成绩还不错,可是忽高忽低,不稳定,属于偏差较小可是方差较大的模型。
  • 左上角的同学——学霸,成键很棒,而且极其稳定,属于偏差较小,方差也小的模型。

©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页
实付 19.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值