2015年6月30日

【Validation】林轩田机器学习基石
摘要： 这一节主要讲如何通过数据来合理的验证模型好不好。首先，否定了Ein来选模型和Etest来选模型。（1）模型越复杂，Ein肯定越好；但是Eout就不一定了（见上一节的overfitting等）（2）Etest是偷窥训练集，也没有效果下面，集中讨论已有的数据集切分成train data和test dat... 阅读全文
posted @ 2015-06-30 21:53 承续缘 阅读(747) 评论(0) 推荐(1) 编辑
【Regularization】林轩田机器学习基石
摘要： 正则化的提出，是因为要解决overfitting的问题。以Linear Regression为例：低次多项式拟合的效果可能会好于高次多项式拟合的效果。这里回顾上上节nonlinear transform的课件：上面的内容说的是，多项式拟合这种的假设空间，是nested hypothesis；因此，能... 阅读全文
posted @ 2015-06-30 20:10 承续缘 阅读(530) 评论(0) 推荐(0) 编辑

导航