《機器學習》筆記（二）
Q：怎樣評估一個學習算法訓練出來的學習器的效果好壞？ 評估學習器的基本思想是： 學習器誤差越小越好。對於分類任務，分類錯誤的樣本數佔總樣本數的比率越小越好。對於迴歸預測，預測值與真實值的差越小越好。 學習器泛化能力越強越好。也就是說學習能力不僅在訓練樣本上要表現好，在新的樣本上的表現也要好。不能像書呆子一樣在學校表現很好，但一進入社會就一塌糊塗。 因此，我們通常衡量一個學習器的泛化誤差，也就是一個
相關文章
- 1. 機器學習筆記（二）
- 2. 機器學習筆記（二)
- 3. 機器學習學習筆記（二）
- 4. 圖解機器學習筆記（二）
- 5. 機器學習系列筆記(二)
- 6. 李宏毅機器學習筆記（二）
- 7. Python機器學習筆記二
- 8. 吳恩達機器學習筆記二
- 9. 機器學習筆記（二）SVM原理
- 10. google機器學習筆記（二）
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 機器學習筆記（二）
- 2. 機器學習筆記（二)
- 3. 機器學習學習筆記（二）
- 4. 圖解機器學習筆記（二）
- 5. 機器學習系列筆記(二)
- 6. 李宏毅機器學習筆記（二）
- 7. Python機器學習筆記二
- 8. 吳恩達機器學習筆記二
- 9. 機器學習筆記（二）SVM原理
- 10. google機器學習筆記（二）