機器學習之模型預估與選擇

損失函數與風險函數 在監督學習中，對於訓練樣本(X,Y),其中X表示記錄，Y表示對應的實際結果。假設我們學習到的模型爲：f(x). 損失函數定義爲L(f(x),Y).表示的是模型結果也實際結果之間的誤差計算方式。 常見的損失函數有： 1. 0-1損失函數 L(f(x),Y)={1,0,Y≠ f(x)Y=f(x) 這種常用來計算模型模型是否命中的情況。還有就是我們需要將得到的結果進行離散處理，比如邏

>>阅读原文<<