E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
十折交叉验证
机器学习算法基础概念学习总结
1.基础概念:(1)10折
交叉验证
:英文名是10-foldcross-validation,用来测试算法的准确性。是常用的测试方法。将数据集分成10份。
蓝天的IT生涯
·
2020-08-18 11:28
机器学习
kaggle模型融合简单入门
下面是简单的调节部分至于超参数的选择其实是需要GridSearchCV等方法来选择,此处只是简单的
交叉验证
目的是验证不同的模型融合方法特征选择:#这个题属性其实就两种类别属性和数值属性和Tantic不太一样我们可以统一处理
hhy518518
·
2020-08-18 11:20
Kaggle系列
Lotus 深入浅出系列——前言(二)IBM Lotus开发人员的几个境界
第一境界:入门级可以熟练使用LotusNotes和LotusDesigner客户端软件以及iNotes等;可以搭建Lotus邮件服务器、Web服务器和多服务器(
交叉验证
、信任的或集群服务器集合)应用;第二境界
风影极光
·
2020-08-18 10:11
Lotus——Design
从分类任务中了解机器学习(《机器学习实战》笔记)
从分类任务中了解机器学习数据集一个二元分类器性能评估
交叉验证
评估精度混淆矩阵精度和召回率精度/召回率权衡ROC曲线多类别分类器错误分析多标签分类多输出分类数据集使用的数据集为MNIST,其数据集中一共包含
pnd237
·
2020-08-18 10:28
机器学习
python
机器学习
数据分析
sklearn
knn中k的选取策略
在应用中,k值一般取一个比较小的值,通常采用
交叉验证
法来来选取最优的K值。KNN中的K值选取对分类的结果影响至关重要,K值选取的太小,模型太复杂。K值选取的太
海底小星星
·
2020-08-18 03:46
面试
深度学习一般工作流程
三、确定模型评估方式如:留出法、K折
交叉验证
、乱序重复K折
交叉验证
四、数据预处理预处理目标:1、特征值为张量数据2、特征取值较小(0-1区间或正负1区间)3、特征非异质数据4、特征缺失处理
Siumai
·
2020-08-18 02:03
深度学习
K近邻算法(KNN)
K只选择,可以使用
交叉验证
的方式,选
华love邵
·
2020-08-18 00:51
机器学习
周志华-机器学习-读书笔记
目录2模型评估与选择2.1经验误差与过拟合2.2评估方法2.2.1留出法(hold-out)2.2.2
交叉验证
法(crossvalidation)2.2.3自助法(bootstrapsampling)2
poptree hengli
·
2020-08-18 00:57
ML
李航《统计学习方法》第一章复习与习题参考解答
1.4节“模型评估与模型选择”与1.5节“正则化与
交叉验证
”都是对1.3.2节“策略”的补充。“策略”指的是,既然在选定的模型空间中有很多具体的
徐子尧
·
2020-08-17 17:59
统计学习方法
统计学习方法·笔记·第一章·模型评估、正则化与
交叉验证
模型评估与模型选择训练误差与测试误差给予损失函数的训练误差(trainingerror)和模型的测试误差(testerror)是学习方法的评估标准。注意:统计学习方法具体采用的损失函数未必是评估时采用的损失函数。当然,让两者一致是比较理想的。训练误差是模型Y=f^(X)Y=\hat{f}(X)Y=f^(X)关于训练集数据集的平均损失:Remp(f^)=1N∑i=1NL(yi,f^(xi))R_{e
Moon00zz
·
2020-08-17 17:12
读书笔记
统计学习方法学习笔记
例子:最大后验概率估计(MAP)两种常用模型选择方法:正则化与
交叉验证
。学习方法的泛化能力:该方
林俊杰的小迷弟
·
2020-08-17 16:05
机器学习一些核心概念的解读文档汇总
在此膜拜各位大佬:0/1losshttp://www.csuldw.com/2016/03/26/2016-03-26-loss-function/k折
交叉验证
https://blog.csdn.net
飞电或人
·
2020-08-17 14:28
机器学习
统计学习方法-理论知识学习笔记
统计学习的研究1.1.6统计学习的重要性1.2监督学习1.2.1基本概念1.3统计学习三要素1.3.1模型1.3.2策略1.3.3算法1.4模型评估与模型选择1.4.1训练误差与测试误差1.5正则化与
交叉验证
忆_恒心
·
2020-08-17 14:53
Python
机器学习
统计学习方法
模型融合之stacking和blending
1.stacking上半部分是用一个基础模型进行5折
交叉验证
,如:用XGBoost作为基础模型Model1,5折
交叉验证
就是先拿出四折作为trainingdata,另外一折作为testingdata。
dzysunshine
·
2020-08-17 12:03
机器学习
推荐算法学习--矩阵分解FunkSVD
html这篇文章说的很清楚了,同时也可以参考该篇文章http://www.cnblogs.com/shenxiaolin/p/8637794.html需要注意的是kt参数是超参数,是需要调的,可以根据
交叉验证
或者损失函数来确定
Spirit_6275
·
2020-08-17 11:59
2017CS231n李飞飞深度视觉识别笔记(三)——损失函数和优化
第三章损失函数和优化课时1损失函数在上一章的课程中,我们讨论了识别问题,并尝试了数据驱动的方式,讲到了图像分类的难点在哪里;同时讨论了K近邻分类器以便作为介绍数据驱动理念的一个简单例子,最后还讨论了
交叉验证
以及如何把数据划分为训练集
献世online
·
2020-08-17 10:25
计算机深度视觉识别
机器学习与深度学习
《统计学习方法(第二版)》学习笔记 第一章 统计学习及监督学习概论
文章目录第一章统计学习及监督学习概论1.回归_vs_分类_vs_标注2.数据的独立同分布假设3.极大似然估计3.1概念理解3.2极大似然函数4.生成模型_vs_判别模型5.核方法6.正则化7.
交叉验证
第一章统计学习及监督学习概论第一章作为开篇
忆殇DR
·
2020-08-17 10:50
机器学习
交叉验证
和超参数调整:如何优化你的机器学习模型
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在第2部分中,我们看到使用随机森林和xgboost默认超参数,并在验证集上评估模型性能会导致多元线性回归表现最佳,而随机森林和xgboost回归的表现稍差一些。在本文的这一部分中,我将讨论只使用一个验证
deephub
·
2020-08-17 10:24
机器学习
交叉验证
超参数
机器学习——正则化与
交叉验证
0正则化模型选择的典型方法是正则化。正则化是结构风险最小化策略的实现,是在经验风险上加一个正则化项或惩罚项。正则化一般是模型复杂度的单调递增函数,模型越越复杂,正则化的值就越大,比如,正则化项可以是模型参数向量的范数:其中,第1项是经验风险,第二项是正则化项,a>=0为调整两者之间的关系函数。正则化项可以取不同的形式。例如,回归问题中,损失函数是平方损失,正则化项可以是参数向量L2的范数:这里,|
weixin_30636089
·
2020-08-17 03:36
libsvm
交叉验证
与网格搜索(参数选择)
首先说
交叉验证
。
交叉验证
(Crossvalidation)是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力(generalize),能够避免过拟合问题。
繁小华
·
2020-08-17 02:49
算法
svm
网格搜索
交叉验证
模型训练与验证
模型训练与验证1学习目标2构造验证集2.1过拟合产生原因即解决办法2.1.1模型复杂度过高2.1.2epoch次数过高3赛题数据集3.1训练集验证集和测试集3.2.1留出法(Hold-out)3.2.2
交叉验证
法
中古传奇
·
2020-08-17 01:04
笔记
sklearn决策树回归树详解,及波士顿房价预测,正弦曲线预测,及
交叉验证
实现
DecisionTreeRegressorclasssklearn.tree.DecisionTreeRegressor(criterion=’mse’,splitter=’best’,max_depth=None,min_samples_split=2,min_samples_leaf=1,min_weight_fraction_leaf=0.0,max_features=None,random
R戎
·
2020-08-16 23:13
菜菜sklearn
机器学习
从Kaggle入门级比赛总结数据挖掘流程
3.2数据初步分析3.3简单数据预处理3.3.1信息缺失的属性3.3.2对类目型的特征做因子化3.3.3对变化幅度大的特征归一化3.4建立BaselineModel四、系统优化4.1模型系数关联分析4.2
交叉验证
lxg0387
·
2020-08-16 14:38
DL
cs231n作业(三)softmax分类
一、作业说明CS231n的第三次作业,要求写一个基于softmax的多分类程序,实现cifar10的多分类功能,程序中应当体现损失函数计算、梯度计算、
交叉验证
选择参数、权重可视化等功能。
wjp_ctt
·
2020-08-16 09:28
深度学习
深度学习
cs231n
python
cifar10
计算机视觉
【深度学习的实用层面】(一)训练,验证,测试集(Train/Dev/Test sets)
:用于调整模型的超参数,验证不同算法,检验哪种算法更有效测试集:根据最终的分类器,正确评估分类器的性能假设这是训练数据,用一个长方形表示,通常会把这些数据划分成几部分,一部分作为训练集,一部分作为简单
交叉验证
集
weixin_30886233
·
2020-08-16 09:09
机器学习 :训练集、验证集、测试集分配比例
训练集较小如果数据集较小时,一般采用简单
交叉验证
的方法,即不设置验证集,而只设置训练集和测试集,根据西瓜书的
Chris Kang
·
2020-08-16 08:18
机器学习
构建一个学习算法
构建一个学习算法的推荐方法:1.先设计一个简单快速实现的算法,实现该算法并通过
交叉验证
集测试该算法2.绘制学习曲线,通过观察学习曲线,判断模型是欠拟合还是过拟合,然后决定通过增加测试集,增加特征,或者其他有效方法
sd6364152
·
2020-08-16 08:55
机器学习
白话机器学习: 模型性能评价
文章目录假设空间性能评价评估方法留出法
交叉验证
法自助法性能度量错误率与精度查准率&查全率P-R图ROC&AUC代价敏感错误与代价曲线假设空间在周志华老师的《机器学习》一书中提到,模型的训练就是利用训练数据在数据属性构成的
新兴IT民工
·
2020-08-16 07:55
白话机器学习
吴恩达机器学习笔记之机器学习系统设计
确定执行的优先级:误差分析:在设计一个复杂的机器学习系统时,可以先用最简单的算法去快速实现它,然后用
交叉验证
集来看看自己的算法需要在哪些方面提高,除此之外,还可以进行误差分析,来针对性的提高我们的算法。
iblue_coffee
·
2020-08-16 06:21
机器学习笔记
训练集(Train),验证集(Validation)和测试集(Test Sets)以及
交叉验证
法
本文主要区分机器学习中的三种数据集,尤其是验证集和测试集,并介绍常用的
交叉验证
训练方法。TrainingSet训练集,即用于训练模型内参数(fitthemodel)的数据集。
johnjim0816
·
2020-08-16 05:02
机器学习
机器学习
人工智能
开发和评价一个异常检测系统
数据集的划分该节视频的2:53时刻提到了:
交叉验证
集(Crossvalidationset)和测试集(T
千行百行
·
2020-08-16 05:10
笔记
深度学习-如何把数据集划分成训练集和测试集
下面介绍三种常见的做法:留出法
交叉验证
法自助法留出法(hold-out)留出法直接将数据集DD划分为两个互斥的集合,其中一个集合作为训练集SS,留下的集合作为测试集TT,即D=S∪T,S∩T=∅D=
睿享智能联盟
·
2020-08-16 02:16
模型的改善与泛化(偏差方差与
交叉验证
)
跟我一起机器学习系列文章将首发于公众号:月来客栈,欢迎文末扫码关注!上一篇文章笔者介绍了什么是正则化,以及正则化为什么能够缓解过拟合的原理。从上一篇文章的内容我们可以知道,越是复杂的模型越是可能产生过拟合的现象,这也就为模型在其它未知数据集上的预测带来了误差。但是这些误差来自哪里,是怎么产生的呢?知道这些误差的来源后对改善我们的模型有什么样的帮助呢?下面这篇文章笔者就来介绍关于误差分析以及模型选择
空字符(公众号:月来客栈)
·
2020-08-15 22:05
跟我一起机器学习
sklearn 实现简单回归算法
导入fromsklearn.model_selectionimportcross_val_predict#做
交叉验证
预测的函数导入fromsklearnimportlinear_model#线性规划i
fighting_yifeng
·
2020-08-15 14:03
Tensorflow:EEG上CNN的一次实验
一次失败的CNN实现前言简介数据CNN网络模型调整减少过拟合的尝试与全连接网络比较与SVM网络比较模型运用到其他分类标准结果分析代码CNN网络代码
交叉验证
代码FC网络代码SVM网络代码前言这是一次较为“
zincrain
·
2020-08-15 12:56
机器学习
K-折
交叉验证
算法
当给定数据集D对于简单的训练/测试或训练/验证分割而言太小难以产生泛化误差的准确性时(因为在小的测试集上L可能具有过高的方差),K-折
交叉验证
算法可以用于估计学习算法A的泛化误差。
colorful_xx
·
2020-08-15 12:06
DL
机器学习中学习曲线的 bias vs variance 以及 数据量m
关于偏差、方差以及学习曲线为代表的诊断法:在评估假设函数时,我们习惯将整个样本按照6:2:2的比例分割:60%训练集trainingset、20%
交叉验证
集crossvalidationset、20%测试集
深度瞎学汪
·
2020-08-15 09:40
机器学习
学习科大讯飞的StatQuest机器学习课笔记(1)
交叉验证
1.
交叉验证
可以比较不同的机器学习方法,并了解他们在实际工作中的作用。2.估计机器学习方法中的参数——参
huanggang982
·
2020-08-15 06:27
机器学习
2-4、模型选择
目录一、将数据集拆分为训练/测试集(一次)二、
交叉验证
生成器:K折
交叉验证
时的数据集索引拆分方法1、K折
交叉验证
抽样2、指定次数重复K折
交叉验证
抽样3、分层K折
交叉验证
抽样4、有放回抽样(自助法抽样BootStrapping
fengsuiwoxing21
·
2020-08-14 23:36
完整的R语言预测建模实例-从数据清理到建模预测
概述本文使用Kaggle上的一个公开数据集,从数据导入,清理整理一直介绍到最后数据多个算法建模,
交叉验证
以及多个预测模型的比较全过程,注重在实际数据建模过程中的实际问题和挑战,主要包括以下五个方面的挑战
cyydjt
·
2020-08-14 23:44
机器学习算法
Python机器学习笔记:使用Keras进行回归预测
本文学习的目的是学习如何加载CSV文件并使其可供Keras使用,如何使用Keras创建一个回归问题的神经网络模型,如何使用scikit-learn和Keras一起使用
交叉验证
来评估模型,如何进行数据准备以提高
weixin_30492047
·
2020-08-14 01:05
sklearn中逻辑回归模型参数释义
其中LogisticRegression和LogisticRegressionCV的主要区别是LogisticRegressionCV使用了
交叉验证
来选择正则化系数C。
超能小墨
·
2020-08-13 22:22
『cs231n』作业1选讲_通过代码理解KNN&
交叉验证
&SVM
通过K近邻算法探究numpy向量运算提速茴香豆的“茴”字有......使用三种计算图片距离的方式实现K近邻算法:1.最为基础的双循环2.利用numpy的broadca机制实现单循环3.利用broadcast和矩阵的数学性质实现无循环图片被拉伸为一维数组X_train:(train_num,一维数组)X:(test_num,一维数组)方法验证importnumpyasnpa=np.array([[1
weixin_34114823
·
2020-08-13 21:37
pytorch + visdom 处理cifar10图像分类
50000张训练,10000张测试(
交叉验证
)。这个数据集最大的特点在于将识别迁移到了普适物体,而且应用于多分类。数据下载,使用pytorch可以自动下载,但是由于下载速度很龟,还是去官网下吧,建议迅
泛泛之素
·
2020-08-13 19:22
可视化
机器学习
pytorch+visdom
visdom
pytorch
可视化
visualize
机器学习之sklearn工具包(KNN分类(二))
目录KNN算法用鸢尾花数据做分类通过
交叉验证
的方式筛选参数用KNN进行癌症的预测将字符串转换成数据值KNN算法用鸢尾花数据做分类importnumpyasnpimportmatplotlib.pylabaspybfromsklearn.neighborsimportKNeighborsClassifierfromsklearn.datasetsimportload_irisX
只求毕业
·
2020-08-13 17:51
机器学习 评估方法
1留出法2
交叉验证
3自助法4调参与最终模型python实现以上详细注释#In[]#importnumpyasnp#importpandasaspdimportnumpyasnpimportpandasaspd
qq_39865109
·
2020-08-13 17:17
机器学习
机器学习(7)- 线性回归
1.11
交叉验证
,网格搜索[****]
交叉验证
目的:为了提高模型训练结果可信度,可以提高模型的范化能力.步骤:把数据集划分为训练集和测试集把训练集划分为训练集和验证集什么是n
交叉验证
:把训练集分成n等份
君莫笑.
·
2020-08-13 12:12
AI
【学习笔记】【统计学习方法】第0章——引言
以下附上该书的目录:目录第1篇监督学习 第1章统计学习及监督学习概论3 1.1统计学习3 1.2统计学习的分类5 1.3统计学习方法三要素15 1.4模型评估与模型选择19 1.5正则化与
交叉验证
葑鈊丶
·
2020-08-12 12:43
#
统计学习方法
[机器学习] Yellowbrick使用笔记8-模型选择可视化
在大多数情况下,“最佳”三元组是指收到模型类型的最佳
交叉验证
分数的三元组。代码下载Yellowbrick.model_select包提供了可视化工具,用于检查
交叉验证
和超参数调优的性能。
落痕的寒假
·
2020-08-12 10:34
Python
机器学习
数据分析与可视化
如何利用python中的sklearn.externals 模块保存加载训练模型
前提:在做模型训练的时候,尤其是在训练集上做
交叉验证
,通常想要将模型保存下来,然后放到独立的测试集上进行测试,本文主要介绍如何利用python中的sklearn.externals模块保存训练模型,并在测试集进行使用
天空飞翔的小燕子
·
2020-08-12 01:26
python
上一页
31
32
33
34
35
36
37
38
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他