![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Wprofessor
不管怎样都要乐观!
展开
-
多元线性回归模型的检验
1.总平方和、回归平方和、残差平方和因变量体重是一个数值,这个数值一般来说不会太大,也不会太小,是在一个范围内的。我们可以简单认为,这个"范围”越大,人们的体重多样性越大(严格来说,范围大说明极差比较大。如何度量这个多样性呢?人们设计了很多指标。最简单的一种,就是总平方和(total sum of squares, TSS):TSS = (weight_1 - weight_mean)^2 +...原创 2019-05-10 11:18:47 · 12489 阅读 · 1 评论 -
机器学习之特征筛选
机器学习模型的训练除了考虑模型的准确性之外,还要考虑计算性能。冗余的特征虽然不会影响到模型的性能,但却会使得计算机做出无用功。特征筛选与PCA这类通过选择主成分对特征进行重建的方法有所区别:PCA压缩之后的特征往往无法解释;但是特征筛选不存在对特征值的修改,而更加侧重于寻找那些对模型的性能提升较大的少量特征。##此模型采用的titanic的数据集import pandas as pdti...原创 2019-07-13 15:42:45 · 3531 阅读 · 1 评论 -
偏差与方差
转载: https://blog.csdn.net/simple_the_best/article/details/71167786学习算法的预测误差, 或者说泛化误差(generalization error)可以分解为三个部分: 偏差(bias), 方差(variance) 和噪声(noise). 在估计学习算法性能的过程中, 我们主要关注偏差与方差. 因为噪声属于不可约减的误差 (irre...转载 2019-07-10 19:26:07 · 1737 阅读 · 0 评论