样本噪声与过拟合 (西瓜书1-2章)
2021/10/11 23:18:02
本文主要是介绍样本噪声与过拟合 (西瓜书1-2章),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!
一、样本噪声
与训练集差异较大的样本。
训练集中包含噪声,会使训练集拟合复杂程度增强,使模型过于复杂,可能出现过拟合情况。
数据集中若包含噪声,意味着该数据无法在训练样本中找到一致的样本,会导致无法判断,无法分类,此时给定归纳偏好,以确定数据分类。
一般噪声样本loss值较大(深度学习)。
二、过拟合和欠拟合
过拟合:当使用过拟合进行分类时,会排除一些在假设空间以内的数据,如核酸检测中的 false-negative[假设拟合的是核酸检测结果为阳性]。
欠拟合:当使用欠拟合进行分类时,会将一些不在假设空间内的算入,如false-positive。
训练误差最小时,很可能出现过拟合。
三、交叉验证法的划分
交叉验证法中,互斥子集有多种划分方法,结合留出法的划分方法,即数据集和测试集分层采样。
对于10折交叉验证,若二分类数据集中,正例比例为p,反例比例为(1-p),数据集总样本量为D,则训练集T1的划分可能结果包括:C(Dp/10,Dp)C(D(1-p)/10,D(1-p))。测试集也应当按照分层采样的方法划分。
四、错误率定义
错误率定义式中,E(f;D)=1/m∑(m,i=1)I (f(xi)≠yi)
其中 I (f(xi)≠yi) =0 or 1
When f(xi)≠yi,I (f(xi)=yi)=1;
when f(xi)=yi, (f(xi)=yi)=0.
精率的定义式中,acc(f;D)=1/m∑(m,i=1)I (f(xi)=yi)
其中 I (f(xi)=yi) =0 or 1
When f(xi)=yi,I (f(xi)=yi)=1;
when f(xi)≠yi, (f(xi)=yi) =0.
这篇关于样本噪声与过拟合 (西瓜书1-2章)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!
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)
- 2024-05-30【Java】百万数据excel导出功能如何实现
- 2024-05-30我们小公司,哪像华为一样,用得上IPD(集成产品开发)?
- 2024-05-30java excel上传--poi
- 2024-05-30安装笔记本应用商店的pycharm,再安排pandas等模块,说是没有打包工具?
- 2024-05-29java11新特性