机器学习——基本概念
2016-08-21 19:35
134 查看
1、过拟合
根据训练数据训练得到的模型在训练数据上拟合的很好,可是对其他数据的性能一般。这种现象称为过拟合。过拟合的原因就是把训练数据中的噪声点也学习了。
过拟合技术:
正则:正则项。目的是让参数不要过大,越接近0越好,所以正则技术也是一种降维技术。
2、泛化能力
根据训练数据学得的模型在其他数据集上表现也很好,即举一反三。
根据训练数据训练得到的模型在训练数据上拟合的很好,可是对其他数据的性能一般。这种现象称为过拟合。过拟合的原因就是把训练数据中的噪声点也学习了。
过拟合技术:
正则:正则项。目的是让参数不要过大,越接近0越好,所以正则技术也是一种降维技术。
2、泛化能力
根据训练数据学得的模型在其他数据集上表现也很好,即举一反三。
相关文章推荐
- 用十张图解释机器学习的基本概念
- [置顶] 【ML--03】 第三课 机器学习基本概念
- 公开课机器学习笔记(11)支持向量机一 向量机的基本概念
- 机器学习基本概念
- 【机器学习 基本概念】高斯分布
- 大数据与机器学习中基本概念总结
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之二 :基本概念、代价函数、梯度下降和线性回归
- 机器学习基本概念
- 机器学习(二)基本概念
- 机器学习(1)——基本概念
- 机器学习基本概念、机器学习的五大流派和演化、九种常见机器学习和深度学习算法
- 机器学习--基本概念
- 机器学习一些基本概念(笔记)
- 第4节--机器学习的基本概念
- 机器学习(基本概念)
- 机器学习的基本概念
- 机器学习的一些基本概念
- 读《高效ML:理论,算法及实践》:(1) 机器学习基本概念
- 【模式识别与机器学习】模式识别中的一些基本概念
- 机器学习1---基本概念