- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
模型选择和评价
王秋月
中国人民大学信息学院
如何选择模型?
•对一个给定的有监督学习任务,应该选择
哪个学习模型?
•如何选择该模型的最优参数?
•如何估计训练好的模型在学习样例之外的
数据上可能的性能?
模型评价(1)
•训练精度(trainingaccuracy)
–在整个数据集上训练模型
–并在同一个数据集上测试模型,得到模型的预测结
果,和真实结果做比较,计算模型的精度
•问题:
–机器学习的目标是期望模型能在学习样例之外的数
据上有好的表现(面向未来,而不是过去)
–最大化训练精度,通常会产生过于复杂的模型,从
而导致过拟合,模型不能很好地泛化
K值会影响判定边界
K=1K=34
6060
4040
2020
0102001020
NumberofMalignantNodesNumberofMalignantNodes
4
不同复杂度的模型
PolynomialDegree=1PolynomialDegree=4PolynomialDegree=15
Model
TrueFunction
Samples
YYY
XXX
5
不同模型的泛化能力
PolynomialDegree=1PolynomialDegree=4PolynomialDegree=15
Model
TrueFunction
Samples
YYY
XXX
PooratTrainingGoodatTraining
JustRight
PooratPredictingPooratPredicting
文档评论(0)