机器学习笔记——模型选择和交叉验证集

本文介绍了一种通过交叉验证集来选择最适模型的方法。该方法将数据集分为三部分:60%作为训练集,20%作为交叉验证集,剩余20%作为测试集。通过在训练集上训练多个模型,并利用交叉验证集评估这些模型的表现,最终选择表现最佳的模型进行测试集上的验证。

通常为了选择能适应一般情况的模型,需要使用交叉验证集来帮助选择模型。

即,使用60%的数据作为训练集,使用20%的数据作为交叉验证集,使用20%的数据作为测试集。

模型的选择方法为:

1、使用训练集训练出10 个模型

2、用10个模型分别对交叉验证集计算得出交叉验证误差(代价函数的值)


3、选取代价函数值最小的模型

4、用步骤3中选出的模型对测试集计算得出推广误差(代价函数的值)


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