我應該使用決策樹對我的資料集(自變數:患者的某些方面,目標變數:患者是否生病)進行特征選擇。之后選擇了功能,我必須實作不同的 ML 模型。
我的疑問是:當我實施決策樹時,是否有必要擁有一個訓練集和一個測驗集,或者只是將模型擬合到整個資料上?
uj5u.com熱心網友回復:
有必要將資料集拆分為訓練測驗,否則您將使用訓練中使用的資料來衡量性能,最終可能會過度擬合。
過度擬合是指訓練誤差不斷減少但泛化誤差增加,泛化誤差旨在作為模型正確分類新(從未見過)樣本的能力。
轉載請註明出處,本文鏈接:https://www.uj5u.com/net/491848.html
上一篇:ReactJS:將地圖組件顯示為同一行中的flex樣式
下一篇:多類分類中性能指標的計算
