周志华--机器学习
关注
分享
扫一扫
文章平均质量分 88
binggorun
Just do it！
展开
-
决策树—续
最终模型的好坏与模型的优化关系很大，而对决策树性能的优化中剪枝是重要的一步。另外现实的数据不会是理想的，当出现连续变量和缺失值时，我们该怎么处理呢？另外对于一个很复杂的模型，会有很大的时间开销，这时我们可以考虑利用属性的线性组合来对模型进行训练，从而得到一个更简化和合理的模型。原创 2017-04-15 15:50:52 · 1637 阅读 · 0 评论 -
模型评估与选择-----第三部分
算法性能检验及算法泛化误差的偏差--方差分解原创 2017-04-13 12:39:27 · 1524 阅读 · 0 评论 -
模型评估与选择-----第二部分
算法性能度量原创 2017-04-12 21:57:57 · 989 阅读 · 0 评论 -
模型评估与选择----第一部分
周志华机器学习第二章笔记一、经验误差与过拟合训练误差（经验误差）：学习器在训练集上的误差。泛化误差：学习器在新样本上的误差。欠拟合比较容易克服，如在决策树学习中扩展分支，在神经网络学习中增加训练轮数等；而过拟合则无法彻底避免。二、评估方法测试集和训练集的划分选择留出法交叉验证法自助法1、留出法将数据集D划分为两原创 2017-04-10 22:10:41 · 738 阅读 · 0 评论 -
决策树
决策树（ID3，C4.5、CART算法）---机器学习（周志华）原创 2017-04-10 11:20:03 · 782 阅读 · 0 评论