摘要:
1. 参数调整 每个机器学习算法包含一系列参数,勇于调整算法来控制模型。一般来说随着算法复杂度的增加,调整参数会越多,更难于理解。下面几个例子为流行的分类算法调参方法: 1)逻辑回归:无 2)knn:要平均的近邻数目 3)决策树:划分标准、树的最大深度、划分需要的最少样本数。 4)核函数SVM:核函 阅读全文
摘要:
1.过拟合与乐观模型 有监督学习的基本目标是准确预测,当对模型进行性能评估时,需要确定模型对新数据的性能如何。即需要一个指标来确定预测的泛化能力如何。对于回归问题来说,标准评价指标是均方误差(Mean Squared Error)。它是目标变量真实值和预测值之差的平方和的均值。参看下图(学习自 Re 阅读全文