機器學習（十四） - Evaluating a Learning Algorithm
Deciding What to Try Next 當我們已經完成了模型的選擇與訓練，最後發現對於新的數據集，我們的模型誤差很大，我們該怎麼辦。我們有接下來的一些方法去解決這個問題： 獲取更多的訓練集 減少特徵數量 選擇更多的特徵 增加高次項的特徵（ x21,x21,x1x2,etc. x 1 2 , x 1 2 , x 1 x 2 , e t c . ） 減少 λ λ （正則係數） 增加 λ λ
相關文章
- 1. evaluating a learning algorithm
- 2. Machine Learning - Coursera week6 Evaluating a learning algorithm
- 3. A-star algorithm learning
- 4. 機器學習基石(2) - Perceptron Learning Algorithm
- 5. 生成學習算法（Generative Learning Algorithm）——機器學習
- 6. 機器學習（十四）——強化學習
- 7. 《機器學習革命》A machine-learning revolution
- 8. 機器學習（二十九）——Temporal-Difference Learning
- 9. 【Machine Learning, Coursera】機器學習Week6 機器學習應用建議
- 10. 機器學習（十六） - Machine Learning System Design
- 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. evaluating a learning algorithm
- 2. Machine Learning - Coursera week6 Evaluating a learning algorithm
- 3. A-star algorithm learning
- 4. 機器學習基石(2) - Perceptron Learning Algorithm
- 5. 生成學習算法（Generative Learning Algorithm）——機器學習
- 6. 機器學習（十四）——強化學習
- 7. 《機器學習革命》A machine-learning revolution
- 8. 機器學習（二十九）——Temporal-Difference Learning
- 9. 【Machine Learning, Coursera】機器學習Week6 機器學習應用建議
- 10. 機器學習（十六） - Machine Learning System Design