『机器学习』评估方法
来源:互联网 发布:sql注入测试 编辑:程序博客网 时间:2024/05/02 01:33
1、留出法(hold out):将数据集 D 划分为训练集 S 和测试集 T
2、留一法:留一法是留出法的特例,即每次测试集 T 只留一个数据,剩下的作为训练集 S
备注:在分类任务中,在划分数据集时,训练集 S 和测试集 T 中的类别比例要跟数据集 D 中的类别比例相似。
备注的疑问:那么在划分样本类别不均衡的样本时,是否仍要遵守这样的准则??
3、K折交叉验证(k-fold cross validation):每次将数据划分 k 份,其中一份作为测试集 T,剩下的作为训练集 S;重复以上过程 k 次,特别地每次用作测试集 T 的都是各不相同的
备注:每份数据(数据子集)都尽可能保持数据分布的一致性,即从 D 中通过分层采样得到
4、自助法(bootstrapping):每次从数据集 D 中有放回地采一个样本,并将这个样本放入训练集 S 中,共重复 m 次,此时训练集共有 m 个样本,而测试集 T 则为 D - S(此处的减法为集合减法)
测试集 T 的个数约为总量的三分之一(由公式得到),也被称为“包外估计”(out-of-bag estimate)
自助法在样本量较少、难以有效划分训练集和测试集时很有用,而留出法和k折交叉验证在样本量较多时更常用
0 0
- 『机器学习』评估方法
- 机器学习笔记 - 评估方法
- 机器学习笔记-评估方法
- 机器学习中的评估方法
- 机器学习模型评估方法
- 机器学习评估与优化方法
- 机器学习模型性能评估方法笔记
- 机器学习模型评估方法介绍
- 【机器学习】机器学习中模型评估的方法
- 机器学习评估
- 机器学习--算法评估
- [EverString收录]机器学习中分类评估方法简介 - 1
- 机器学习中分类评估方法简介 - 1
- 机器学习笔记(五)模型评估方法
- 【机器学习】信用风险评估评分卡建模方法及原理
- 机器学习评估方法——P值校验
- 机器学习(七) - - 模型评估和选择②评估方法
- 《机器学习》第二章 模型评估与选择 笔记2 泛化误差的评估方法
- 1.测试基础问题
- WPF中使用cefsharp
- tcpdump抓取网络数据包
- new String(request.getParameter("newdefrayItem").getBytes("iso-8859-1"),"GBK")
- gitlab安装配置
- 『机器学习』评估方法
- 第八章 评估推理关系(二)
- tp模板中控制字数
- Centos 6.5 Nginx 配置 https
- Java实现Base64算法
- grid++ 获取参数(给动态报表固定字段赋值)
- 一个java高级工程师的进阶之路【转】
- reactor模式C++实现
- Java笔记---初试云服务器