| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> 傻瓜版机器学习(1)-机器学习的基础术语 -> 正文阅读 |
|
[人工智能]傻瓜版机器学习(1)-机器学习的基础术语 |
博主是个懒癌晚期患者,偶然间接触了许多关于机器学习,计算机视觉,最优化方法,博弈论,运筹学,又学了一点matlab,python,c++,c语言,java等所以就想做一点知识分享,也能帮助其它一样和我懒癌晚期的朋友可以简单的直接学习,所以就萌生了这个想法,可能技术一般,有些许错误,希望各位大佬赐教,指出,主要优点是将程序和数学原理相结合(展现出程序内部的数学思想) 机器学习的一些基础概念 学习(训练) 基本要求:独立同分布:样本空间的全体样本都服从一个未知的分布且相互独立 训练集:参与模型训练的样本集合 测试:学习模型后,使用其样本进行预测的过程 测试集:被预测的样本集合· 假设:学习得模型对应的关于数据的某种潜在规律 分类:输出结构是离散值 回归:输出结果是连续值 监督学习:训练样本有标记 无监督学习:训练样本无标记 泛化能力:学得模型使用新样本的能力 假设空间 归纳:从特殊到一般的“泛化”:从样本(训练样本)中学习 演绎:从一般到特殊:从数学公理推到出定理 版本空间:与训练空间一致的架设几何称为“版本空间” 模型(学习器)的偏好 归纳偏好的原则:奥卡姆剃刀(简单优先) 经验误差与过拟合 误差:模型输出与样本真实值之间的差异 错误率:分类错误样本数占总样本数比例 精度=1-错误率 训练误差:模型在训练集上的误差 泛化误差:模型在新样本上的误差 目标:得到泛化误差小的模型 / 学习器(模型)从训练样本中学的适用于所有潜在样本的“普遍规律”(实际上新样本未知,因此我们以经验误差代表泛化误差) 评估方法 目标:对于模型/学习器的泛化误差进行评估 专家样本:训练集+测试集 训练集:训练误差 测试集:测试误差 测试误差与泛化误差 留出法,交叉验证法,自助法 留出法(训练集+测试集,互斥互补,合理划分,保持比例) 训练集训练模型,测试集测试模型,单次留出,多次留出 多次留出法:如对专家样本随机进行100次训练集/测试集划分,评估结果取平均 交叉验证法(单次k折交叉验证,p次k折交叉验证 K折交叉验证:将专家样本等分为k个数据集轮流用k-1个数据集用于训练,1个用于测试 自助法
性能度量 评价方法与评价标准 回归任务的评价标准:均方误差 ? 精度=1-错误率(分类正确样本数占总样本数比例) 错误率:分类错误样本数占总样本数比例 ? ?
Tp:实际为男性预测为男性,fn实际为男性预测为女性 fp实际为女性预测为男性,tn实际为女性预测为女性 设定tp和tn的值为2,fn为1,fp为0 查准率/准确率(precision): 查全率/召回率/灵敏度(recall): F1系数 综合查准率与查全率(设样本总量为k) 一般形式,为正数度量了查全率对查准率的相对重要性 更关注查准率,更关注查全率,标准的F1系数 多次训练/测试时的F1系数 先分后总:分别计算各混淆矩阵的查准率和查全率再以均值汇总 ???? 先总后分:将混淆矩阵的对应元素(tp,fp,tn,fn)进行汇总平均,再求P ???? ? ? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/27 18:31:15- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |