文章图片
(图片均来自于电子书和B站致敬大神)
1.训练误差:学习器在训练集上的误差,也称为“经验误差”。
2.泛化误差:学习器在测试集上的误差。我们要得到的是泛化误差小的学习器。
3.过拟合与欠拟合:
文章图片
文章图片
4.测试集保留方法:
文章图片
留出法的的缺点在于:被评估的模型与用D训练出来的模型可能有较大的差别,会增加误差。
文章图片
交叉验证法的结果往往更加准确,但在数据集较大时,计算的开销是难以忍受的。
文章图片
自助法:能够减小训练样本不同造成的影响,同时还能比较高效的进行实验估计。自助法在数据集较小,难以有效划分训练/测试集时效果比较好 。然而,自助法产生的数据集改变了初始数据集的分布,这会引入估计偏差。
5.验证集:机器在学习时,在训练集训练之后,到验证集进行反复的验证和调参,最后输出再到测试集进行测试。
6.性能度量:(主要掌握公式,第二图为公式的计算例子)
文章图片
文章图片
7.错误率与精确度公式:
文章图片
图中的||表示指示函数,在真/假时分别取1/0。
8.查准率和查全率:
举西瓜的例子:“准”:我预测的好瓜中,真正的好瓜越多越好。
“全”:把“所有的好瓜”都预测出来,哪怕是“坏”也不管,要的是全。
文章图片
9.P-R的反向关系原理:
此图也助于区分查准率P和查全率R
文章图片
文章图片
10.n个二分类实现的多分类问题(算法公式):
文章图片
11.P-R曲线图:
文章图片
12.ROC曲线:(TPR为真正例率,FPR为假正例率)
文章图片
【机器学习|西瓜书《机器学习》第二章重点总结(上)】
推荐阅读
- 机器学习|西瓜书《机器学习》第二章重点总结(下)
- 机器学习|【学习笔记】西瓜书机器学习之第四章(决策树)
- 机器学习|机器学习西瓜书——第04章决策树
- 开发Study|《机器学习》(西瓜书)第4章 决策树理解记录
- 学习笔记|机器学习入门-西瓜书总结笔记第七章
- 深度学习|MatchNet论文复现过程记录
- Paper|ML(《Interpretability Methods in Machine Learning: A Brief Survey—机器学习中的可解释性方法的简要综述》翻译与解读)
- 学习日志|Python MINIST手写集的识别,卷积神经网络,CNN(最简单PyTorch的使用)
- ROS从入门到精通|ROS从入门到精通(十) TF坐标变换原理,为什么需要TF变换()