请选择 进入手机版 | 继续访问电脑版
爱气象,爱气象家园! 

气象家园

 找回密码
 立即注册

QQ登录

只需一步,快速开始

新浪微博登陆

只需一步, 快速开始

搜索
查看: 124|回复: 1

[经验总结] 机器学习之模型评估、经验误差、泛化误差

[复制链接]

新浪微博达人勋

发表于 2022-8-18 15:37:57 | 显示全部楼层 |阅读模式

登录后查看更多精彩内容~

您需要 登录 才可以下载或查看,没有帐号?立即注册 新浪微博登陆

x
模型选择问题

面对具体的问题,首要的是选择用哪种模型。

这就是机器学习中的【模型选择问题】------“如何选择最佳的算法(模型)和参数?”

训练误差/经验误差

如果模型完全符合样例,那八成会【过拟合】。
为了泛化性,模型对【训练样本】的【预测输出】,与样例的【真实输出】会有差异,该差异叫【训练误差】或【经验误差】。
【训练误差】不好作为模型优劣的评价标准,因为【训练误差】包含着我们对【过拟合】的妥协,存在着主观性,是人为控制的。

注意:
过拟合是无法避免的,只能缓解,它是机器学习的关键障碍。

泛化误差-->测试误差

模型在新样本上的误差叫【泛化误差】,
评价模型好坏,就看它的【泛化误差】的大小。
但【泛化误差】是无法求的,因为新样本通常是无限多的,
通常用模型在【测试集】的【测试误差】作为【泛化误差】的近似。

通常,我们训练模型的数据就是“一整堆”,我们得自己划分【训练集S】和【测试集T】。
注意:【测试集】应尽可能与【训练集】互斥,即测试样例不要出现在训练集中。

从数据集划分训练集和测试集的方法有多种成熟模式,后面说。

番外:分类模型的评价

分类问题中,
模型分类错误的比例叫【错误率】,
正确的比例叫【精度】,也就是正确率。
显然,【错误率】+【精度】=1









密码修改失败请联系微信:mofangbao

新浪微博达人勋

发表于 2022-8-19 08:18:48 | 显示全部楼层
赞一个,继续学习,谢谢
密码修改失败请联系微信:mofangbao
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博登陆

本版积分规则

Copyright ©2011-2014 bbs.06climate.com All Rights Reserved.  Powered by Discuz! (京ICP-10201084)

本站信息均由会员发表,不代表气象家园立场,禁止在本站发表与国家法律相抵触言论

快速回复 返回顶部 返回列表