機器學習學習筆記（二）
緒論 模型評估與選擇 線性模型 決策樹 神經網絡 支持向量機 貝葉斯分類 集成學習 聚類 降維與度量學習 特徵選擇與稀疏學習 計算學習理論 半監督學習 概率圖模型 規則學習 強化學習 模型評估與選擇 2.1經驗誤差與過擬合 錯誤率：分類錯誤的樣本數佔樣本總數的比例 精度：1-錯誤率 把學習器的實際預測輸出與樣本的真實輸出之間的差異稱爲「誤差」，學習器在訓練集上的誤差稱爲「訓練誤差」或「經驗誤差」，
相關文章
- 1. 機器學習筆記（二）
- 2. 《機器學習》筆記（二）
- 3. 機器學習筆記（二)
- 4. 吳恩達《機器學習》學習筆記十二——機器學習系統
- 5. 《機器學習》學習筆記（二十二）—Ensemble（模型集成）
- 6. 機器學習-學習筆記（二）第二章 模型評估
- 7. 機器學習學習筆記1-初識機器學習
- 8. 【機器學習--學習筆記】大規模機器學習
- 9. 《機器學習》學習筆記（一）——機器學習概述
- 10. 【機器學習】Logistic Regression 學習筆記
- 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
