模型評估與模型選擇
-
- 導論
- 模型評估
-
- 回歸任務的評估指標
- 分類任務的評估指標
- 過擬合的現象
- 過擬合的原因
- 過擬合的解決辦法
- 模型選擇與調參
- 正則化
-
- 留出法
- 交叉驗證
- 網格搜索
我們來學習一下模型評估與選擇的相關問題,在進入正式的學習之前,請你思考一下:我們為什么要做模型的評估與選擇呢?
導論
在某個特定的資料場景下,我們事先并不知道什么樣的模型可以近似刻畫資料的規律,我們的模型選擇可以有很多,比如:線性回歸(n 元一次函式)、多項式回歸(一元 n 次函式)等,即便是使用線性回歸模型,在設定不同的超引數(如學習率、迭代次數)進行訓練時,得到的模型引數也會有差異,(模型引數不同,實際上就是模型本身的不同)
既然可供選擇的模型有很多,那必然就有好有壞,我們要從中挑選出最能刻畫資料規律的模型,注意,這里所說的資料?
轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/272608.html
標籤:AI
