大数据与人工智能方向先修课第四次雪梨任务

目录

前言

一、理解模型的学习能力，泛化能力？

二、理解什么是学习误差？什么是测试误差？

三、理解什么是交叉验证？

四、理解什么是过拟合？什么是欠拟合？

五、(基于测试集的)模型评价：

(1) 基于测试集的二分类模型评价；

(2) 基于测试集的多分类模型的评价；

(3) 基于测试集的实值函数预测模型评价。

总结

---

前言

以下仅为个人对作业的理解，仅供参考喔~

---

一、理解模型的学习能力，泛化能力？

学习能力：是指学习得到的模型关于训练样本集的预测能力

泛化能力：是指学习得到的模型关于未知样本的预测能力

二、理解什么是学习误差？什么是测试误差？

学习误差：指模型在训练集上的错分样本比率，即在训练集上训练完毕后在训练集本身上进行预测得到的错分率

测试误差：指模型在测试集上的错分样本比率，即学得模型后，在测试集上用模型预测错误的样本占所有样本的比率。用测试误差评价模型的泛化能力

三、理解什么是交叉验证？

交叉验证是一种将数据集合理划分成训练集和测试集的一种方法

交叉验证的过程：先将数据集D划分为k个大小相似的互斥子集，即D=D1∪D2∪…∪Dk，Di∩Dj=ø(i≠j)，每个子集Di都尽可能保持数据分布的一致性，即从D中通过分层采样得到。然后，每次用k - 1个子集的并集作为训练集，余下的那个子集作为测试集，这样就可获得k组训练/测试集，从而可进行k次训练和测试，最终返回的是这k个测试结果的平均值。通常把交叉验证法称为“k折交叉验证”，k最常用的取值是10