ljm_99的博客

一共M个模型 函数：分类错误为1（条件成立）；分类正确（不成立）0； 预测正确一定是1,11或者-1-1； 分类正确权重小于1，权重减小 分类错误权重大于1，权重增加 例子：

文章目录模型的评估与选择2.1 误差与过拟合 模型的评估与选择 2.1 误差与过拟合 我们将学习器对样本的实际预测结果与样本的真实值之间的差异成为：误差（error）。定义： 在训练集上的误差称为训练误差（training error）或经验误差（empirical error）。 在测试集上的误差称为测试误差（test error）。 学习器在所有新样本上的误差称为泛化误差（generalization error）。 显然，我们希望得到的是在新样本上表现得很好的学习器，即泛化误差小的学习器。因此，我们

1.1 机器学习的定义 吃货们希望从购买经验中挑选一个好瓜，那能不能让计算机帮助人类来实现这个呢？机器学习正是这样的一门学科，人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能作出有效的判断，这便是机器学习。 1.2 机器学习的一些基本术语 所有记录的集合为：数据集。 每一条记录为：一个实例（instance）或样本（sample）。 例如：色泽或敲声，单个的特点为特征（feature）或属性（attribute）。 对于一条记录，如果在坐标轴上表