李宏毅机器学习(二)
2021/7/12 23:10:55
本文主要是介绍李宏毅机器学习(二),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
Basic Concept
1.Error
Error 来源于bias(误差,期望歪了)和variance(方差,模型能覆盖的范围)。
bias大:underfitting欠拟合
原因:模型不够复杂,覆盖范围不够广
Variance大:overfitting过拟合
原因:模型太复杂,覆盖范围太大
2.Solution
Bias:
- more feature input
- more complex model
Variance
- more data(最有效,但有时很难实现)
- regularization(使函数变平滑)
数据不够时,可以自己造一些,如:
- 手写识别:调整字的大小,倾斜字体
- 声音识别:用变声器
3.模型选择
在bias和variance中做权衡,最终最小化总误差。
bias和variance的判断方法:符合training data是variance,不符合的是bias。
n折交叉验证
N-fold Cross Validation
然后选择最好的一个模型,用全部Training Set进行训练。
这篇关于李宏毅机器学习(二)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例