博客围绕模型评估展开，指出模型选择时仅用训练集拟合参数、测试集找最佳次方模型，无法预测新样本泛化能力。介绍将数据集分为训练集、验证集和测试集，用验证集选模型、测试集得泛化误差，还提及偏差和方差、精准率、召回率及F_1值等内容。
评估假设：
模型选择时，利用训练集得到每个模型的最佳Θ值，再利用测试集找到最佳次方的模型。
图上是通过测试集来得到参数d（选用几次函数模型）
用训练集来拟合参数Θ1、Θ2等参数时，那么拟合后的模型在训练集上的效果，是不能预测出对新样本的泛化能力。
所以上面的做法是不合理的。
将数据集分为：训练集、验证集、测试集
此时我们用验证集选择模型，然后用测试集得到泛化误差。
偏差和方差
解决办法：
精准率、召回率：
F_1值
扫一扫
6486
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
