机器学习之模型选择
来源:互联网 发布:淘宝网蚕丝被多少钱 编辑:程序博客网 时间:2024/05/16 09:55
给定数据集合
我们更感兴趣的是预测。将
从20世纪60年代开始,人们开始探求模型选择问题。通常可归纳为三
个方向。
第一个方向是研究模型选择的基本度量,利用这些度量选择尽可能好的
预测模型,使预测误差尽可能降低,也就是提高可扩展性(即泛化能力),降低泛化风险。
该方向关注对分类器的定向分析。经常使用的评估标准为准确率和误差率。
第二个方向是从采样入手,基于数据集X重复取样的经验估计,要点
是每次从X获得两个不同子集,分别用于建立模型和评估它的
,并重复多次后获得平均值。这使得现有数据可以被扩展到无穷大,以至于近似等于包括未来数据的全部数据,这就是重采样技术。
第三个方向是利用模型互补,采用模型平均的方法来汇集不同模型的优势,从而得到一个较好的模型,这就是集成学习的方法。
0 0
- 机器学习之模型选择
- 系统学习机器学习之模型选择
- 机器学习之模型预估与选择
- 机器学习之模型评估与模型选择(学习笔记)
- 机器学习之模型评估与模型选择
- 机器学习之模型选择(交叉验证)
- 机器学习之Validation(验证,模型选择)
- Spark机器学习之模型选择和超参数调整
- 机器学习算法笔记之7:模型评估与选择
- Spark机器学习之模型选择和超参数调整
- 机器学习总结之第二章模型评估与选择
- 机器学习-模型评估和选择
- 机器学习---过拟合和模型选择
- 机器学习调参-模型选择
- 机器学习模型评估与选择
- 机器学习模型选择如此简单
- 机器学习(二) 模型评估与选择
- 机器学习基础 第六章 模型选择
- UIEdgeInsetsMake的作用
- iOS开发之理解iOS中的MVC设计模式
- 使用SDK对FBX模型的加载与读取
- CSS如何让DIV的宽度随内容的改变而改变
- XMPP协议的使用(注册,登陆,注销)
- 机器学习之模型选择
- 浅谈C++类--隐式类类型转换
- 第4周实践项目5--猴子选大王
- 第四周--【项目4 - 建设双链表算法库】
- Appium自动化测试系列2- 写一个Python测试脚本来测试一下YY语音
- 支付宝框架集成 使用步骤
- Android 子线程更新UI
- 利用openssl创建一个简单的CA
- 黑马程序员———C语言 结构体