统计学习的基本概念
来源:互联网 发布:java音乐网站 编辑:程序博客网 时间:2024/05/01 01:31
过拟合(over-fitting):是指学习时选择的模型所包含的参数过多,以致于这一模型对已知数据预测较好,对未知数据预测很差的现象。可以说模型选择旨在避免过拟合,并提高模型的预测能力。
泛化能力(generalization ability):是指学习到的模型对未知数据的预测能力,是学习方法的重要性质。现实生活中常常采用测试误差来评价学习方法的泛化能力。
在模型选择的典型方法是正则化和交叉验证。
交叉验证(cross validation):把给定的数据集进行切分,将切分的数据集组合为训练集和测试集,用训练集来训练模型,用测试集对模型进行评估。
(1)简单交叉验证:首先简单的将数据集分为两部分,一部分作为训练集,另一分部作为测试集(70%是训练集,30%是测试集),然后用训练集在各种条件下训练模型,从而得到不同的模型;在测试集上评价各个模型的测试误差,选出测试误差最小的模型;
(2)S折交叉验证:随机地将数据集切分为S个互不相交的大小相同的子集,然后利用S-1个子集训练模型,利用余下的子集测试模型;将这一过程对可能的S中选择重复进行,最后评选出S次平均测试误差最小的模型。
0 0
- 统计学习的基本概念
- 统计学习基本概念
- 统计学习方法笔记(一)——统计学习的基本概念
- 统计基本概念
- 网站统计的一些基本概念总结
- 概率统计:第一章 概率论的基本概念
- 学习Symbian的基本概念
- 机器学习的基本概念
- 机器学习的基本概念 .
- 机器学习的基本概念
- 机器学习的基本概念
- MLlib数据统计基本概念
- oracle基本概念的学习笔记
- oracle基本概念的学习笔记
- Box2D基本概念的学习记录
- Box2D基本概念的学习记录
- 学习笔记--存储系统的基本概念
- easyrec的学习手册---基本概念
- Lnmp环境下安装laravel
- 一段csrf利用代码
- 93. Restore IP Addresses(dfs+剪枝)
- 数组实现的队列
- 不算重零开始的java学习(五)
- 统计学习的基本概念
- poj 3126 Prime Path (线性素数筛 + bfs)
- 页面中小窗口的设计
- 调试启动winform程序异常:System.BadImageFormatException
- jQuery 知识点 (二) —— jQuery 选择器
- Json解析,让你不再困扰(非常详细)
- win7电脑怎样修改环境变量
- PAT(乙级)1020 完美数列(25)
- linux编程常用函数