模型评估-留出法

在机器学习中,为了评估模型,需要将数据集D划分为训练集S和测试集T。通常避免随机划分,而是采用分层抽样确保数据分布平衡。由于留出法的矛盾,即S大小影响模型相似性和评估准确性,一般选择1/5-1/3的数据作为测试集。多次实验并取平均误差作为模型性能的参考。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于一个机器学习问题,我们通常有数据集D(用于训练模型),但我们还需要评估模型,因此不能把整个D用于训练,因为拿训练过的数据再去评估必然无效。那么最基本的方法就是留出法:

把D划分为两部分:训练集S和测试集T,其中SUT=D,S∩T=Φ。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值