开发工具:
文件大小: 159kb
下载次数: 0
上传时间: 2021-01-20
详细说明：模型选择问题
欠拟合和过拟合问题
当统计模型或机器学习算法无法捕捉数据的基础变化趋势时，就会出现欠拟合。
当统计模型把随机误差和噪声也考虑进去而不仅仅考虑数据的基础关联时，就会出现过拟合。
正则化
添加参数的惩罚项，防止模型对数据的过拟合。
regularization
L2正则化 （岭回归Ridge）
L1正则化 (套锁LASSO）
奥卡姆剃刀原则
尽量使得模型简单
有多个假设模型时,我们应该选择假设条件最少的建模方法
原始损失 + 基于假设的损失
超参数
定义模型的更高层次的概念，无法从数据中学习。
交叉验证
选择了“好的”超参数后，对整个训练数据进行模型训练，然后用测试数据对模型
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
