机器学习笔记(1)经验误差与过拟合
来源:互联网 发布:淘宝购物车刷新 编辑:程序博客网 时间:2024/06/06 01:35
错误率:若在m哥样本中有a个错误,则错误率E=a/m, 相应的1-a/m为精度。
训练误差:学习器在训练集上的误差。
经验误差:在新样本上的误差。(又叫泛化误差 (empirical error))
过拟合:当学习器把样本训练的太好的时候,把它的所有特点都当做新样本本身所具有的特点。欠拟合是因为学习能力低下。
所以需要“模型选择”来“评估”
http://news.91.com/all/s5926a635e6ab.html
但是,如果我们相信“P != NP”成立,那么就说明过拟合是不可避免的。
评估方法:
- 留出法
- 交叉验证法
- 自助法
其中,自助法在数据集较小、难以有效划分训练和测试集很有用,因为是随机抽取,故可以产生多个数据集,对集成学习等方法具有很大好处。
然而,自助法产生的数据集改变了初始数据集的分布,会引入估计偏差,所以在初始数据量足够时,留出法和交叉验证法更常用些。
基于验证集上的性能来进行模型选择和调参
阅读全文
0 0
- 机器学习笔记(1)经验误差与过拟合
- 机器学习笔记(四)经验误差与过拟合
- 机器学习(六) - - 模型评估和选择①经验误差与过拟合
- 经验误差与泛化误差、偏差与方差、欠拟合与过拟合、交叉验证
- 【机器学习】过拟合与欠拟合
- 机器学习--欠拟合与过拟合
- 机器学习中拟合与过拟合
- 机器学习2:什么是误差、过拟合现象
- 【机器学习-斯坦福】学习笔记3 - 欠拟合与过拟合概念
- 【机器学习-斯坦福】学习笔记3 - 欠拟合与过拟合概念
- 【机器学习-斯坦福】学习笔记3 - 欠拟合与过拟合概念
- 机器学习笔记之过拟合问题
- 机器学习笔记(9)过拟合详解
- 公开课机器学习笔记(2)欠拟合与过拟合
- 机器学习正则化与过拟合
- 机器学习过拟合
- 机器学习过拟合
- Stanford机器学习[第三课]-欠拟合与过拟合
- Python中元祖对象排序
- 如何在 Mac 上卸载 Java?
- 分分钟学会eclipse 配置Jad反编译插件下载安装教程
- 51nod 1007 正整数分组
- C
- 机器学习笔记(1)经验误差与过拟合
- bzoj4443
- 微积分-刘建亚笔记
- stm32 DMA 配置 串口程序
- eclipse 与SQL server 之间的连接
- Centos7 普通用户使用 sudo
- php 缓存技术
- 51nod 1212 无向图最小生成树(prim)
- 二分图匹配——Hopcroft-Carp算法模板