- 博客(3)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
原创 机器学习-线性回归模型判断标准
回归模型的判断标准一般有三种: MSE(误差平方和的均值,又称均方差),误差越小即越趋近于0表示模型的效果也就是对数据的拟合性越好。 m是指m个样本,i指的是向量y第i个维度的值 RMSE(均方差的算术平方根), 作用与MSE相同 R^2,取值范围是,其值越大越好,越接近1表示模型拟合效果越好,当预...
2019-05-19 19:24:01 8379
原创 机器学习-线性回归-过拟合问题
一、线性回归的拟合情况 欠拟合:模型在训练过程中,模型在训练集和测试集中的表现差,即模型的泛化能力弱。 过拟合:模型在训练过程中,模型在训练集上变现非常好但在测试集上表现差,即模型的泛化能力太强。 从左上往右下,依次第一幅图是原始样本分布,第二幅图明显过度迎合数据,已经过拟合了,第三幅图明显偏移数据过多是欠拟合,最后一幅图训练比较少维度不...
2019-05-19 18:49:27 6225
原创 机器学习-线性回归 原理详解
一、什么是线性回归 回归算法是一种有监督算法。 回归算法可以看作是用来建立“解释”变量(自变量X)和因变量(Y)之间的关系。从机器学习的角度讲,就是构建一个算法模型来做属性(X)与标签(Y)之间的映射关系,在算法的学习过程中,试图寻找一个函数使得参数的拟合性最好。 回归算法中算法的最终结果是一个连续的数据值,输入值(属性值)是一个d维度的属性/数值向...
2019-05-15 22:45:06 2888
TA创建的收藏夹 TA关注的收藏夹
TA关注的人