吴恩达《机器学习》课程总结(19)总结

  • 时间:
  • 浏览:1
  • 来源:彩神3D_神彩3D官方

精确度是预测的视角(预测为正样本所含几个是正样本),召回率是样本视角(正样本有几个被预测到了)

线性回归(下面第三行x0(i)我我随便说说是1,不都可不可以 换成)

尽量使用单一指标评价,准确率不适合类偏斜,用精确度和召回率判定

每一步假设输出详细正确时,能提高几个的正确率,提高最高的地方全都我最该马上花时间防止的地方。

训练误差减去人类最高水平为偏差(欠拟合),交叉验证集误差减训练误差为方差(过拟合);

小批量的训练土最好的办法以及使用并行计算。

找到哪种导致 造成误差最大,最该花时间的地方。

F1=2(PR)/(P+R)

SVM

逻辑回归

正则化防止方差问提,不对θ0正则化;

全过程观测偏差与方差,全都更全面。

检测,分割,识别,现在常常不分割了,直接序列化识别。

K-mean

训练集用于训练模型,,交叉验证集用于筛选模型/调参,测试集用来做最终评价。

PCA

神经网络(写出前向传播即可,反向框架会自动计算)