当我们有较大的测试误差和较大的训练误差时，我们称其为偏差问题。当我们有较低的训练误差和较高的测试误差时，我们称之为方差问题。当训练误差和测试误差都足够低，可以接受时，我们称之为良好拟合或最佳拟合模型。
但是有没有可能有比测试错误更多的<em
浏览 17提问于2019-08-14得票数 0
回答已采纳
1回答
出于专业原因，我想学习和理解随机森林。如果我的理解是正确的，或者我在做逻辑上的错误，我会感到不安全。我有7个分类变量，1个日期和4个数字特征。在数据准备之后，我将数据分成训练和测试数据集。
比我定义的梯度助推机模型和寻找合适的参数，通过尝试和误差，研究和更多的尝试
浏览 0提问于2018-10-01得票数 1
5回答
如果我们有4个参数X_train，y_train，X_test和y_test，我们如何计算像线性回归这样的机器学习算法的偏差和方差？
我已经搜索了很多，但我没有找到一个代码来解决这个问题。
浏览 1提问于2019-03-21得票数 0
下面的快照显示了我的代码，以获得mse和我的模型在培训和测试期间的分数。根据守则，是否可以假定：
XGBRegressor，我有低的训练误差和<em
浏览 3提问于2022-10-15得票数 -2
在我的输出上使用sigmoid激活函数，网络学习任务比使用线性激活函数要好得多。
我使用L2正则化和我的代价函数，我有一个学习率和动量项，但它在S型激活函数中学习得更好。
浏览 1提问于2018-05-16得票数 0
当我绘制贝叶斯岭回归模型的学习曲线时，我观察到近180个训练规模的测试分数高于训练分数；但是，对于更高的训练规模，测试分数低于训练分数。我将学习曲线附在下面：这可能是什么原因呢？在这样的训练规模下可能会发生什么？
浏览 17提问于2021-06-04得票数 0
1回答
我的学习曲线表明了什么？
、、、
用我目前的模型，我的准确率是77%。我把我的训练集分为交叉验证集和训练集。绘制了一条学习曲线(训练实例图与训练集成本函数、交叉验证集成本函数)。我的学习曲线如下所示-这说明了什么？由于这两条曲线的差别都很小--一个是(0.51 )，另一个是0.52)，我的模型是有偏的，还是正确的？
浏览 0提问于2021-05-29得票数 0
回答已采纳
4回答
我知道高方差会导致过度拟合，而高方差是因为模型对异常值很敏感。
但我可以说，方差是，当预测点太长时，会导致高方差(过拟合)，反之亦然。
浏览 0提问于2018-12-10得票数 1
2回答
理解学习曲线
、、、
我想用下面的两个例子来说明我对学习曲线的理解。为了澄清我的理解，我在这里试验了500到1500个小数据集。📷
从下面的学习曲线来看，我认为这是一个很好的学习曲线。因为当我们增加更多的样本时，训练</em
浏览 0提问于2021-01-19得票数 3
回答已采纳
我有一个有1000个实例的列车数据集和200个用于测试的实例之一。问题是，当我尝试测试一些算法(如随机森林)的性能时，交叉验证和测试集给出的数字确实是不同的。下面是一个具有交叉验证的示例Relation但现在如果我用200个实例的测试集.
=== Run infor
浏览 3提问于2015-06-15得票数 0
回答已采纳
1回答
我有一个从3个描述符中提取的特征组合。即基于GLCM的特征(相关、均匀性、能量和对比度)、局部二值模式(256)、离散小波变换系数和40种情况的数据集。我使用支持向量机和RBF核。是否需要进行特征选择？如果是的话，你有什么建议？
浏览 0提问于2018-12-06得票数 2
2回答
我从与人交谈中得知，我的分类器对数据进行了“过度拟合”；我正在寻找的是一种可靠的方法来证明这一点，以便下次我编写分类器时，我将能够进行测试，看看我是否过度拟合或不合适。
做这件事最好的方法是什么？
浏览 2提问于2014-01-19得票数 1
回答已采纳
1回答
回归学习率: 0.001的训练与测试数据的比率:50%
我训练了我的神经网络，训练误差和测试误差都是从0.120开始的，然后它都稳定地减少并训练到2,105个周期。最终结果为训练误差和训练损失数据均为0.006。这是否被认为是过火、不合身，还是我犯了一个很大的错误？此外，我想问一问，如果一个良好的拟合模型<em
浏览 9提问于2017-05-08得票数 1
回答已采纳
我的问题是，我获得了一个结果非常好的模型(训练和交叉验证)，但当我再次测试它(使用不同的数据集)时，出现了很差的结果。我猜在看图片时不存在过度拟合，对应于学习曲线(误差)、学习曲线(分数)和偏差曲线：
问题是，当我使用不同
浏览 4提问于2015-08-24得票数 1
我理解一些机器学习模型倾向于低偏差，而另一些则倾向于低方差(来源)。例如，线性回归往往具有较低的方差误差和较高的偏差误差。相反，决策树往往具有较高的方差误差和较低的偏差误差。然而，是否有一种更定量的方法来确定一类算法是否倾向于产生低偏差或低方差模型？
浏览 0提问于2020-12-02得票数 1
回答已采纳
早上好，我是机器学习和神经网络方面的新手。我试图建立一个完全连接的神经网络来解决回归问题。数据集由18个特征和1个标签组成，所有这些都是物理量。
您可以找到下面的代码。我不确定是否有过分合适的地方。有人能解释我为什么会有过度适应吗？
浏览 5提问于2020-01-22得票数 6
回答已采纳
“不适合”和“高偏差和低方差”之间的确切关系是什么？它们似乎是紧密相关的概念，但仍然有两个不同的东西。他们之间的确切关系是什么？维基百科指出：
“偏差误差是学习算法中错误假设的误差。高偏差会导致算法忽略特征与目标输出(欠拟合)之间的相关关系。偏差是训练集对小波动的敏感性造成的<
浏览 0提问于2022-12-20得票数 0
在卡格尔课程页上，下面的图表显示测试数据的MAE总是高于训练数据的MAE。为什么是这种情况？它是否仅限于DecisionTreeRegressor模型？或者图是错的，在实际测试中，MAE可以低于训练的MAE吗？
📷
浏览 0提问于2019-12-26得票数 1
回答已采纳
3回答
我正在学习机器学习，我遇到了偏见和变异的概念。我是一名大学生，在我的教授的幻灯片中，偏见被定义为：
在阅读完这篇文章之后，我试图深入了解这个概念，于是我在互联网上搜索并找到了这个视频，它将偏见定义为不可能</em
浏览 0提问于2020-08-12得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
