机器学习 —— 基本概念
2018-01-30 11:52
549 查看
过拟合:
1、定义:训练好的分类器对训练样本很好的分类,但是对测试样本的分类结果很糟糕。2、原因:特征维度过多,导致拟合的函数完美的经过训练集,但是对新数据的预测结果则较差。
3、解决方法:
减少特征维度: 可以人工选择保留的特征,或者模型选择算法;
正则化:保留所有的特征,通过降低参数θ的值,来影响模型
欠拟合:
1、定义:分类器学习能力太差,连在训练样本上都没有很好的分类2、原因:特征维度过少,导致拟合的函数无法满足训练集,误差较大。
3、解决方法:增加特征维度
分类
1、预测离散值2、属监督学习,拥有标记信息
3、只涉及两个类别的“二分类”任务,通常称其中一个类为“正类”,另一个类为“反类”。
4、涉及多个类别时,称为“多分类”任务
回归
1、预测连续值2、属监督学习,拥有标记信息
聚类
1、将训练集中的数据分成若干组,每组称为一个“簇”,这些自动形成的簇可能对应一些潜在的概念划分2、属无监督学习,不拥有标记信息
降维
采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。泛化能力
学得的模型适用于新样本的能力归纳
从特殊到一般的“泛化”过程,即从具体的事实归结出一般性规律演绎
从一般到特殊的“特化”过程,即从基础原理推演出具体状况归纳偏好
1、若有多个假设与观察一致,则选择最简单的那个2、算法自身的归纳偏好与问题的匹配度会影响算法在该问题上的好坏
相关文章推荐
- 机器学习入门基本概念
- [数据挖掘与机器学习] 十张图解释机器学习的基本概念(转自IT面试论坛)
- 学习路线:入门机器学习基本概念之机器学习中常用评估指标汇总
- 机器学习:基本概念、五大流派与九种常见算法
- 基本概念学习(9013)---通用寄存器、机器字长、数据通路
- 机器学习 基本概念,常用经典模型
- J2SE学习中的30个基本概念
- Linux多线程基础学习(一)基本概念
- 基本概念学习(9006)---内存管理
- IOS学习笔记(八)之UIActivityIndicatorView(活动指示器视图)的基本概念和使用方法
- K8S基本概念视频教学学习笔记
- 算法设计和复杂性理论学习笔记_1(基本概念)
- 学习J2SE过程中的30个基本概念
- javascript学习之基本概念
- 台大机器学习基石课程之机器学习基本原理和概念
- DB2学习文档3——数据库基本概念复习
- 学习路线:入门机器学习基本概念之简述极大似然估计
- 各种音视频编解码学习详解--基本概念
- Oracle学习与开发基本概念汇总
- Zookeeper学习(二):Zookeeper中的基本概念