机器学习系统设计(三)
来源:互联网 发布:避孕套推荐 知乎 编辑:程序博客网 时间:2024/06/06 03:17
机器学习的数据
假设特征变量x∈Rn+1,且有足够的信息可以测试精确地预测y的值。
在使用含有非常多的参数的学习算法(如:含非常多的特征变量的线性回归或者逻辑回归;隐藏层激活单元数非常多的神经网络)时,其可以保证低偏差,即不会出现欠拟合问题,以及其Jtrain(θ)的值也非常小。
在此基础上,我们使用非常大的训练集。由于训练集数量大于特性变量,其不太可能出现过拟合问题,即保证低方差,以及Jtrain(θ) ≈ Jtest(θ)。
因此,我们可以认为当特征变量x∈Rn+1且有足够的信息时,使用非常大的训练集(即mtrain >> n),其Jtest(θ)的值将非常小,可以保证其算法为低偏差-方差。
阅读全文
0 0
- 机器学习系统设计(三)
- 机器学习系统设计
- 三、机器学习系统设计笔记之聚类
- 机器学习笔记(十一) 机器学习系统的设计
- 机器学习系统设计笔迹(一)
- 《机器学习系统设计》(1)
- 《机器学习系统设计》(2)
- SparkML(二) 设计机器学习系统
- 机器学习系统设计(一)
- 机器学习系统设计(二)
- 机器学习系统设计(7)
- 机器学习08机器学习系统设计
- 机器学习的系统设计
- 系统学习机器学习之参数方法(三)
- 机器学习(三)
- 机器学习系统设计 学习笔记
- 学习笔记-机器学习系统设计
- 机器学习(十一)机器学习系统设计的细节问题
- 机器学习应用建议(一)
- 机器学习应用建议(二)
- 编程作业(五)
- 机器学习系统设计(一)
- 机器学习系统设计(二)
- 机器学习系统设计(三)
- 支持向量机(一)
- 支持向量机(二)
- 支持向量机(三)
- 编程作业(六)
- 非监督学习
- 降维(一)
- 降维(二)
- 降维(三)