模型评估

                     

贡献者: xzllxls

  • 本文处于草稿阶段。
预备知识 数据

   当机器学习算法从某个数据集上学习到一个模型之后,需要评估该模型的好坏,也就是所获得的模型对于数据的拟合程度,此评价过程就称为模型评估

   对于一个数据集而言,通常须要该数据集的一部分用于模型训练,称为训练集(training set),另一部分用于模型评估,称为测试集(test set)。因此,就需要一种划分数据集的方案。划分训练集和测试集的一个重要原则是:测试集要与训练集互斥。也就是说,一条数据样本要么在训练集中,要么在测试集中,不能同时出现在训练集和测试集中。最常用的模型评估方法主要有三种,分别是留出法(Hold-out)、交叉验证(Cross validation)和自助法(Bootstrap)。

                     

© 小时科技 保留一切权利