【DL-李宏毅2020筆記-02】迴歸與分類(樸素貝葉斯與邏輯迴歸)

迴歸 1. 模型建立 模型:這裏爲線性模型; 衡量模型好壞:損失函數; 訓練模型目標:最小化損失函數,優化方法求解優化問題; 2. 模型評價 訓練集、測試集上的平均誤差:主要關注測試集上的平均誤差; 3. 模型優化 3.1 增大模型複雜度 隨着模型複雜度的增加,訓練集上的平均誤差逐漸減小,測試集上的平均誤差先減小後增大,過於複雜的模型會出現過擬合現象; 3.2 考慮隱變量 不同的隱變量取值,建立不
相關文章
相關標籤/搜索