第二章模型评估与调优.pptxVIP

第二章模型评估与调优;思维导图;2.1训练误差和过拟合;01;模型选择;欠拟合：比较容易克服，在决策树学习中扩展分支，在神经网络中增加训练轮数。

过拟合：很麻烦，过拟合是机器学习面临的关键障碍。各类学习算法都必然带有一些针对过拟合的措施，然而必须认识到，过拟合是无法彻底避免的，人们所能做的只是缓解，或者说减少风险。

;02;2.2评估方法;03;04;2.2评估方法;2.2.1留出法;留出法优缺点;2.2.2交叉验证法;图2-210折交叉验证示意图;图2-3训练误差和测试误差随折数不同的变化图;2.2.3留一法交叉验证;图2-4留一法的测试误差和训练误差变化图;03;2.2.4自助法;图2-5自助采样法训练误差和测试误差变化情况;自助法优缺点;2.3优化;模型选择的基本思路

;2.3.1用学习和验证曲线调试算法;图2-6学习曲线;图2-7验证曲线;2.3.2通过网格搜索调优机器学习模型;1.通过网格搜索调优超参数（1）;1.通过网格搜索调优超参数（2）;1.通过网格搜索调优超参数（3）;2.通过嵌套式交叉验证选择算法;05;2.4.1错误率与准确率;错误率(Err)=（预测错误的样本数）/（总样本数）;03;2.4.2查准率、查全率与F1（1）;P-R曲线;2.4.2查准率、查全率与F1（2）;2.4.3ROC与AUC;此模型AUC=0.91，可见此模型性能较好。;2.4.4多元分类评分指标;感谢观看