机器学习前面的知识

  大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳,不仅形成深入且独到的理解,而且能够帮助新手快速入门。

  本文主要介绍了机器学习前面的知识,希望能对学习机器学习的同学们有所帮助。

1. 基础知识

  • 1.机器学习的两大类任务:回归和分类(还有其他,本文仅讨论回归和分类)
  • 2.过拟合:在训练集表现很好,但在测试集表现比较差;欠拟合:对于训练好的模型,若在训练集表现差,在测试集表现同样会很差,这可能是欠拟合导致。对于过拟合和欠拟合问题有如下判断解决方法:
    • 对于任意一个模型理论上都可以画出如下的模型复杂度曲线,横轴为复杂度(回归问题为几次方,knn为k等),纵轴为准确率(回归可以为R^2,MSE等,分类如分类准确率、查准率等)在这里插入图片描述
      机器学习的目的就是找到泛化能力最好的地方。
      # 模型复杂度曲线(超参数-准确度曲线)-以决策树为例
      
      from sklearn.datasets import load_breast_cancer
      from sklearn.model_selecti
评论 4
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

打赏作者

爱编程的喵喵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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