机器学习模型方法#2

对于上述的留出法和交叉验证法，我们留取精华，去其糟粕。

 

如现在有一群水果，现在选我们的训练集，随机从水果中去抽取我们的品种。

抽取一个后，就把它的复制体放到D内，再将该样品放回水果内。

 

这样反复抽取M次后，我们就获取了数据体D，D包含M次的数据集，训练集经概率运算后

可得到不被提取到的概率为0.368（用概率论处理再取极限可得），那采到的训练集D概率为0.632.

采样得到训练集概率满足于2/3~4/5之间。

 

这种方法适用于数据集较小和难于有限划分训练、测试集时很有用，用结果来验证我们的过程。

但是想做到精确，需要一些时间多尝试几遍。

在初始数据量足够时，留出法和交叉验证法更常用一些。

 

对于模型的选择是重要的，模型中分类的标准是重要的，

一个好的分类依据具体执行时一定要注意具体参数的选择，和多多尝试

可用二份法来验证上下限。