KobeLovesDawn的博客

机器学习的模型评估方法 机器学习的模型评估就是对数据集D进行适当的处理，得到训练集S和测试集T，并在T中对模型进行验证，得到模型的好坏，下面是几种常用的方法： 留出法(hold-out) “留出法”就是将数据集分为两个互斥的集合，一个作为训练集S，另一个作为测试集T，有D = S ⋃\bigcup⋃ T，S ⋂\bigcap⋂ T = ∅\emptyset∅ 其中，训练集S用来训练模型，测试集T...

性能度量就是衡量模型泛化能力的评价标准 在机器学习的预测任务中，可以分为两类： 回归(regression)：预测的值是连续的，比如某地区的房价预测任务 分类(classification)：预测的值是离散的，比如猫狗图片的二分类任务，可以用0表示猫，1表示狗 回归任务 回归任务最常用的性能度量是“均方误差”(Mean Square Error, MSE) 设(xi,yi)(x_i, y_i)...