机器学习西瓜书白话解读笔记---0201-0207、模型的评估与选择

机器学习西瓜书白话解读笔记---0201-0207、模型的评估与选择

一、总结

一句话总结：

【一起啃书】机器学习西瓜书白话解读：这个视频好短好短呀，【课程一定要短】这样课程非常非常好录，这样录出来的质量会非常好

这个up主喜欢说哒哒哒，这个讲课【很自在，好亲切】呀

 

1、留出法？

就是很简单的两个互斥集，也就是什么【三七分，二八分】

 

 

2、k折交叉验证？

k折交叉验证非常简单：就是将【数据集分k份，留一份做测试集，其它做训练集】，然后【结果做平均】

k折交叉验证的缺点：【数据量较大时，对算力要求较高】

 

 

 

3、自助法？

自助法也非常简单：就是【随机在数据集D中抽m次形成一个含m个数据的D'】

自助法【适用】：【数据及较小，难以划分的时候】

自助法【缺点】：【改变初始数据集分布，会引入估计偏差】

 

 

 

4、验证集作用？

验证集就是为了【调参】

【训练集训练，验证集看结果，调参，再看验证集结果参数调完，最后再测试集上看结果】

为了泛化能力，有训练集和测试集，为了【调参，有验证集】

 

 

 

5、均方误差？

回归任务最常用的性能度量是“均方误差”（mean squared error）：$$E ( f ; D ) = \frac { 1 } { m } \sum _ { i = 1 } ^ { m } ( f ( x _ { i } ) - y _ { i } ) ^ { 2 }$$

更一般的，对于数据分布D和概率密度函数p（-），均方误差可描述为：$$E ( f ; D ) = \int _ { x \sim D } ( f ( x ) - y ) ^ { 2 } p ( x ) d x$$

因为是【均方误差，所以有平均，所以无论是上下两个公式，都有平均在里面】

 

 

 

二、模型的评估与选择

博客对应课程的视频位置：