8-Noise & Error

黄小二哥

于 2018-06-05 01:05:00 发布

阅读量70

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/LS1314/p/9136807.html

本文深入探讨了噪声与误差的概念，特别是在机器学习中的point-wise误差计算方法。文章对比了0/1 error与squared error的不同应用场景，前者适用于分类问题，后者则更适合回归任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本节的主题是：Noise & Error

point-wise：对每一个点计算误差，并求和取均值,如图：

point-wise中对每个点，使用的err()分为两类：0/1 error和 squared error，
前者主要是希望【y！=y^的点越少越好，是一个离散的度量值】，这就像插值，我的预测直线经过过的样本点越多越好，所以多用于classification
后者是希望【所有点的均方误差越小越好，是一个连续的度量值】，这就像拟合，【所有的】已知样本点离我的预测直线越近越好，所以多用于regression
如图：

转载于:https://www.cnblogs.com/LS1314/p/9136807.html

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

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。