机器学习模型泛化
是指模型在未见过的数据上的表现能力。泛化能力是衡量模型的好坏的重要指标之一，它反映了模型对新数据的适应能力和泛化能力。一个好的模型应该能够在训练数据之外的数据上表现良好，避免过拟合和欠拟合的问题。
机器学习模型的泛化能力受到多个因素的影响，包括模型的复杂度、数据的质量和数量、特征的选择等。以下是一些常见的方法和技术，可以提高机器学习模型的泛化能力：
- 数据预处理：对数据进行清洗、去噪、归一化等处理，可以提高模型的稳定性和泛化能力。
- 特征选择：选择对目标任务有用的特征，可以减少模型的复杂度，提高泛化能力。
- 模型选择：选择适合任务的模型，避免过于简单或过于复杂的模型，以提高泛化能力。
- 数据增强：通过对训练数据进行扩充和变换，增加数据的多样性，可以提高模型的泛化能力。
- 正则化：通过添加正则化项，限制模型的复杂度，防止过拟合，提高泛化能力。
- 交叉验证：将数据集划分为训练集和验证集，通过验证集的表现评估模型的泛化能力，选择最佳模型。
- 集成学习：通过组合多个模型的预测结果，可以提高泛化能力，如随机森林、梯度提升树等。
机器学习模型泛化在各个领域都有广泛的应用，例如图像识别、自然语言处理、推荐系统等。在腾讯云的产品中，可以使用腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）来构建和部署机器学习模型，实现对图像、语音、视频等数据的处理和分析。
相关·内容
我正在研究一种机器学习模型，通过酒精水平和酸度来预测葡萄酒的质量。我是机器学习的新手，经过彻底的搜索，我仍然不能决定线性回归和神经网络哪个最能解决这个问题？我正在使用matlab 2013a，如果有人能帮我决定使用哪一个，我将不胜感激。哪种方式更容易实现，哪种方式性能更好？
浏览 2提问于2014-04-17得票数 0
算了吧。我们有一个数据集(以.csv格式)用于监督机器学习。它有60个数据点(数据行)，每个数据点有100个变量。
我用60个数据点的全部100个变量来训练机器学习模型，这有意义吗？在我看来，这似乎在数学上是错误的。它就像我解了一个有100个变量的方程组，但是只有60个方程？
在数据集中，如果我们有n个变量，那么训练机器学习模型所需的最小数据点是多少？
对此有统计理论吗？
非常感谢。
浏览 1提问于2020-03-13得票数 1
回答已采纳
1回答
我最近学习了机器学习，我正在开发一个Tic 引擎，它可以预测给定的Tic脚趾位置(或董事会状态)的最佳移动，这是我的第一个项目。我使用蛮力为3和3板创建所有可能的位置(不包括已完成和重复的游戏)，并得到4520不同的可能位置。然后，我使用MinMax来找出这些位置中每个位置的最佳移动。现在，我想要拟合这个数据的模型，以达到最大的精度。我想到的是：
既然我有所有可能的位置，为什么我不把模型训练成整组(所以不会有测试集)，使用一个复杂的neural network来对数据进行过拟合，得到100%的精度，那么它也将在实际使用中达到100%的精确性，因为不会遇到任何新的位置。
问题是，我注意到
浏览 0提问于2019-07-06得票数 2
回答已采纳
什么是线性和非线性机器学习模型(算法)的一些例子，目的是比较这两类？哪些是参数(或线性代数意义下的标量)，哪些是预测因子/因子(或线性代数意义下的向量)？
浏览 0提问于2018-04-15得票数 4
1回答
我已经训练了两个机器学习模型。两者的准确性略有不同。
Model-A Accuracy = 0.78 or 78%
Model-B Accuracy = 0.80 or 80%
从以上结果我可以推断出Model-B比Model-A更适合2%。
浏览 2提问于2019-11-27得票数 0
回答已采纳
2回答
我对机器学习模型的部署阶段很好奇。那么，在您使用python运行您的脚本来训练您的数百万数据并使其工作之后，有哪些方法可以将您的模型部署到现实世界中呢？我知道像pickle这样的库是用来序列化模型的，但是模型到底是什么呢？
这是某种蓝图，然后用来绘制预测的答案吗？如果是这样的话，这意味着在现实世界中有一个易受攻击的对象比再训练你的模型要快得多？
浏览 0提问于2019-06-15得票数 2
回答已采纳
我见过一些文章和研究论文提到了这些提高机器学习模型性能的技术。
当我们不确定数据集的标签是否正确时，这些技术当然是有意义的。
然而，我想知道在标签正确的情况下，这两种技术是否对ML模型是有益的？
浏览 0提问于2019-07-09得票数 3
1回答
我正在认真学习机器学习的所有数学基础。我非常清楚，它在数学上是可行的，但有一件事我无法理解。
我的问题很简单，因为：
为什么线性模型在训练图像到字符(例如，使用notMNIST数据集作为训练源)分类模型时工作？据我所知，用线性模型，我们是说输出是一个函数，一个输入+一个偏差参数的线性函数。但是我已经知道线性模型在其他类型的应用程序中不能很好地工作。
那么，为什么它适用于这个而不是对其他人呢？
浏览 2提问于2017-06-20得票数 0
回答已采纳
我目前正在大学学习机器学习，在的帮助下。我学习了PAC学习，Rademacher复杂性，增长函数和VC-维。纵观教科书和课程，我们似乎花了很多时间去寻找界限。
我有点搞不懂我们为什么要这么做。
找到这些界限到底有什么意义呢？
在现实世界中，这些界限是如何实际应用于机器学习的呢？
教科书和我的教授对回答我的问题都没有特别的帮助。
谢谢。
浏览 2提问于2019-09-27得票数 0
回答已采纳
模型选择和培训/验证/测试集-斯坦福大学课程：
10:59~11:10
最后一点:我应该说，在今天的机器学习中，没有多少人会像我所说的那样做早期的事情，并且说，你知道.
我的理解正确吗？因为课程英语字幕有时是不正确的。正如我所知，这里中文字幕的意思与英语的意思相反。所以我不确定吴家富是说“没有”还是“有”
谢谢你的阅读。
我想再问一次。
诊断偏见与差异-斯坦福大学课程：
在02:34~02:36，吴家富说的不太清楚，英文字幕也不太清楚。
我的理解如下
如果d等于1 .严重的训练错误。
还没那么完整。
有人想确认一下吗？
谢谢..。
浏览 0提问于2016-02-01得票数 6
回答已采纳
2回答
我研究机器学习和生物信息学已经有一段时间了，今天我和一位同事就数据挖掘的主要问题进行了交谈。
我的同事(他是一位机器学习专家)说，在他看来，机器学习最重要的实际方面是如何理解你是否收集了足够的数据来训练你的机器学习模型。
这句话让我吃惊，因为我从来没有这么重视过这方面.
然后我在互联网上寻找更多的信息，我发现这篇关于FastML.com报告的文章是经验法则，你需要的数据实例大约是现有特性的10倍。
两个问题：
这个问题在机器学习中真的特别重要吗？
2- 10倍规则有效吗？这一主题还有其他相关来源吗？
浏览 0提问于2017-06-26得票数 16
假设我们依靠无限的计算能力，无限的数据，我们有无限的时间等待一个模型的学习。在这种情况下，我们希望对一些数据二进制进行分类。
我的问题是:所有的分类模型(我们可以省略线性模型，因为它们无法学习非线性边界)是否都有类似的效果？换句话说，每个(非线性)分类算法的所有(原则上)可解问题都是相同的吗？你可以假设神经网络中任意数量的层和神经元，任意数目的树，任意深度的随机森林，等等。
我知道这个问题在现实、现实的世界里可能没有用，但我想知道，从理论上讲，有些模型会遇到一些其他模型不会遇到的具体障碍。
浏览 0提问于2021-08-06得票数 1
3回答
我想知道为什么深度学习模式如此不稳定。假设我使用相同的数据集多次训练机器学习模型(例如logistic回归)，并多次训练深度学习模型(例如LSTM)。在此之后，我计算了每个模型的平均值及其标准差。深度学习模型的标准差比机器学习模型的标准差大得多。为什么会这样？
这与深度学习方法中的权值初始化有关吗？如果是这样的话，为什么模型不总是收敛在同一点上呢？
浏览 0提问于2021-11-09得票数 4
背景下的问题
我想用SHapley加法exPlanations (SHAP)解释机器学习(ML)模型的结果，该模型是在库中实现的。作为函数shap.Explainer()的一个参数，我需要传递一个ML模型(例如XGBRegressor())。然而，在每次迭代中，离开一次交叉验证(LOOCV)，ML模型将是不同的，在每次迭代中，我将在不同的数据集上进行培训(1名参与者的数据将不同)。此外，模型将是不同的，因为我是在每次迭代中进行特征选择。
，那么，我的问题
在LOOCV中，如何使用shap.Explainer()函数的shap库来表示机器学习模型的性能？值得注意的是，我已经检查了几个教程(例如、
浏览 3提问于2021-06-23得票数 1
回答已采纳
我需要一些机器学习词汇的建议。
你把经过训练的模型在生产中获得的输入数据称为什么？
我知道它在培训过程中得到的标签数据或未标签数据称为training set或training data。
当它准备好后，经过初步的培训，您可以在生产中部署它来解决实际问题。您如何调用模型在这一点上接收的输入数据？
浏览 0提问于2019-05-20得票数 0
我用sci学习开始机器学习，并在机器学习中遇到了各种各样的模型。
在每个模型中，都有一个fit()函数。
虽然我读了很多博客文章，并且了解到fit()帮助我们找到模型的参数。
例如，在线性回归模型中，fit()函数有助于找到斜率和截距。
但是我仍然不能理解fit()函数背后的逻辑。
浏览 1提问于2018-02-28得票数 0
1回答
我想知道机器学习算法中有多少是迭代性质的；也就是说，我可以在不同的数据集上依次运行它们，并且模型本身也会细化。是否有任何算法在数学上支持这一点，而且，在运行时或这些模型的准确性方面是否存在一些权衡。
这里不要混淆迭代:在机器学习中迭代意味着什么？
浏览 0提问于2018-05-21得票数 1
我正在读一本关于图神经网络的文章，上面提到：
在这个步骤中，我们提取所有新的更新隐藏状态，并创建一个描述整个图的最终特征向量。然后，该特征向量可用作标准机器学习模型的输入。
这个特征向量可以作为标准机器学习模型的输入是什么意思？机器学习不是从一开始就获得这些特性吗？这意味着特征向量将被输入到机器学习模型中？它应该是ML模型的一部分，而不是输入吗？
浏览 0提问于2022-02-05得票数 1
回答已采纳
我正在开发一个卷积神经网络，它有一个数据集，数据点为13,000点，分割为80%/10%/10%的训练/验证/测试。在对模型体系结构进行调优时，在使用不同的随机种子对几次运行的结果进行平均处理后，我发现如下：
3 conv layers: training MAE = 0.255, val MAE = 0.340
4 conv layers: training MAE = 0.232, val MAE = 0.337
5 conv layers: training MAE = 0.172, val MAE = 0.328.
通常情况下，我会选择最好的验证MAE模型(测试MAE的趋势是一样的，因
浏览 0提问于2020-05-28得票数 6
回答已采纳
RMSE与RMSLE
根均方误差(RMSE)和根均方对数误差(RMSLE)都是研究机器学习模型预测值与实际值之间差异的技术。
但是，RMSLE(“对数”)的目的是什么？
高RMSE是否意味着RMSLE低？
有人能解释一下RMSE和RMSLE之间的详细区别吗？这个公制在引擎盖下是如何工作的？
什么时候会使用RMSE而不是RMSLE？
与RMSLE相比，使用RMSE有哪些优缺点？
浏览 0提问于2019-11-21得票数 2
回答已采纳
我使用机器学习来训练与抑郁相关的句子。表现最好的是LinearSVC。除了LinearSVC之外，我还尝试了MultinomialNB和LogisticRegression，我选择了这三个模型中精度最高的模型。顺便说一句，我想要做的是能够提前考虑哪种模型适合，就像Scikit-learn提供的ml_map一样。我可以从哪里获得这些信息？我搜索了几篇论文，但除了SVM适合用于文本分类之外，找不到任何包含更详细信息的信息。我如何学习才能获得像这样的ml_map先验知识？
浏览 0提问于2020-11-12得票数 0
在培训深度学习模型时，我发现如果我将训练和验证(测试)批大小设置为相同(例如32、64、.、512 )，那么GPU是不完全可用的。
然后我检查NVIDIA泰坦X规格：
NVIDIA CUDA核心: 3584
内存: 12 GB GDDR5X
为了减少CNN模型的测试时间，我希望尽可能地增加批量样品的数量。我试过：
将每批样品的数量设置为3584，库达出现记忆错误。
将每批样品的数量设置为2048年，cuda出于记忆错误。
将每批样品的数量设置为1024，工作。但我不确定GPU是否得到充分利用。
问题：
如何方便地选择每批样品的数量，以充分利用GPU进行深度模
浏览 7提问于2016-10-01得票数 3
1回答
根据我对机器学习的理解(尽管我对机器学习非常陌生)，需要在训练过程中对模型进行评估。这将避免过度拟合或减少错误预测的可能性。
我尝试修改Tensorflow官方网站提供的鲍鱼示例，以适应我的项目，我发现代码只在模型训练完成后进行一次评估。
这对我来说非常奇怪，因为只有一次评估似乎使“评估阶段”变得无用。换句话说，如果培训已经完成，那么评估有什么用呢？它不能帮助建立一个更好的模型，不是吗？
下面是我的代码的一部分：
nn = tf.estimator.Estimator(model_fn=model_fn, params=model_params, model_dir='/tmp/nm
浏览 0提问于2018-06-30得票数 2
论文" map -Reduce for Machine Learning on Multicore“展示了10种机器学习算法，它们可以从map reduce模型中受益。关键是“任何适合统计查询模型的算法都可以写成一定的求和形式”，并且算法可以表示为求和形式，可以应用map reduce编程模型。
对于那些不能表示为求和形式的算法，并不意味着它们不能应用map reduce模型。谁能指出任何特定的机器学习算法，这些算法不能通过map reduce模型来加速？
浏览 1提问于2012-11-21得票数 6
回答已采纳
1回答
在此链接- 中，提出了一种离线构建的机器学习模型，该模型可用于对流数据进行测试。
摘自Apache流MLlib链接：
“你也可以很容易地使用MLlib提供的机器学习算法。首先，有一些流式机器学习算法(例如流式线性回归、流式KMeans等)，它们可以同时从流数据中学习并将模型应用于流数据。除此之外，对于更大的机器学习算法类，您可以脱机学习一个学习模型(即使用历史数据)，然后在流数据上在线应用该模型。更多细节，请参见MLlib指南。”
这是否意味着我们可以使用一个复杂的学习模型，比如在星火中构建的随机森林模型来测试星火流程序中的流数据？它是否像引用已经构建的“模型”并在星火流程序中调用"
浏览 4提问于2016-10-22得票数 1
回答已采纳
在创建机器学习模型时，我的同行告诉我，在机器学习模型构建阶段，尤其是在数据规范化或缩放之前，应该尽早实现分离。我对机器学习非常陌生，所以我想找一些关于机器学习的建议。
这就是我在做的
standardized_X = preprocessing.scale(x_data)
X_train_std, X_test_std, y_train_std, y_test_std = train_test_split(standardized_X, df_breast.CLASS.values, test_size=0.3, random_state=0)
而我被告知这个序列应该是
X_train_s
浏览 0提问于2019-03-27得票数 0
回答已采纳
我已经在Windows中构建了一个预测模型，以使用python 3.6.1训练数据集。我使用pickle将列车模型保存为Pickle文件
现在，我已经编写了另一个python脚本来读取和加载列车pickle文件，以预测测试数据。
我已经在Windows上获得了成功的结果。
现在，我想将训练酸菜文件和Python脚本(使用训练酸菜文件使用测试数据预测模型)移动到具有与windows.But相似版本的python安装的Linux环境中，Linux中的python安装不包括机器学习库。
在这种情况下，windows的Train pickle文件是否会表现为包含所有机器学习库的exe文件？
加载和读取
浏览 1提问于2018-04-21得票数 1
我已经开始了一个使用深度学习对数据集进行分类的项目。我试过把学习转移到预先训练的模型上。现在，我想设计一个CNN模型，它可以完成分类工作，但在任何地方都需要大量数据。我的问题是:是否有可能在小于1000幅图像的图像数据集上设计深度CNN模型？
浏览 0提问于2018-03-13得票数 0
我正在学习GCP，遇到了Kuberflow和。
据我所理解，两者似乎都用于编排工作流，授权用户调度和监视GCP中的管道。
我能找到的唯一不同之处是Kuberflow部署和监视机器学习模型。我说的对吗？在这种情况下，由于机器学习模型也是对象，我们不能使用Composer来编排它们吗？在管理机器学习模型方面，Kubeflow有什么帮助，比Composer好吗？
谢谢
浏览 9提问于2020-03-17得票数 5
回答已采纳
3回答
我的问题可分为两部分。
是否有可以通过不同库使用的机器学习模型文件的格式？例如，我保存了一个模型，然后使用tensorflow加载它？
如果没有，是否有一个库可以帮助传输格式，以便可以在keras中直接使用py手电筒机器学习模型？
我问这个问题的原因是，最近我需要调整我以前在tensorflow的一些受过训练的模型。
这个问题的更新： Facebook和微软将推出一个名为ONNX的模型标准，该标准用于在不同的框架之间传输模型，例如在Pytorch到Caffe2之间。链接如下：
对此问题的进一步更新： Tensorflow本身使用协议缓冲区格式存储模型文件，该文件可用于不同模型
浏览 12提问于2017-06-01得票数 1
回答已采纳
1回答
Cross-validation
嗨，我正在使用Weka在我的MSc论文中部署机器学习模型。我已经注意到，当我在训练数据集中使用10倍交叉验证时，与在整个数据集上没有交叉验证的情况下训练模型相比，我得到了较低的评估指标，如果我在测试数据集上测试该模型时获得更好的性能，这将是有意义的，然而，它保持相同的性能。例如，我为一个回归问题训练了一个随机森林模型，这些是我得到的结果：
1.没有交叉验证：
培训：
R = 0.97; Mae = 1.31; Rmse = 1.78
测试：
R = 0.91; Mae = 2.70; Rmse = 3.57
2.具有10倍交叉验证：
培训：
R = 0.76;
浏览 0提问于2021-01-23得票数 0
我已经开发了一个基于scikit学习的机器学习模型，并将其放在一个pickle文件中。我尝试将其部署为仅用于推理，并在aws上找到了sagemaker。我不认为scikit学习基于可用的库，我也不想重新训练模型。是否可以仅部署已在sagemaker上的亚马逊网络服务S3中训练和呈现的模型？
浏览 0提问于2018-10-23得票数 2
2回答
我刚刚在cognitiveclass.ai上完成了R课程的机器学习，并开始对随机森林进行实验。
我用R中的"randomForest“库建立了一个模型。这个模型分为好的和坏的两类。
我知道，当一个模型过于合适时，它对来自它自己的训练集的数据表现很好，但是在样本外的数据上表现很差。
为了训练和测试我的模型，我已经洗牌并将完整的数据集分割成70%用于培训，30%用于测试。
我的问题是:在测试集上所做的预测中，我获得了100%的准确性。这很糟糕吗？这似乎太好了，不可能是真的。
目标是互相依赖于波形的四个波形识别。数据集的特点是波形与目标波形动态时间扭曲分析的代价结果。
浏览 0提问于2018-02-08得票数 12
回答已采纳
1回答
理论上，我们可以在机器学习模型上实现fix种子，以获得相同的结果(可重复)，但可能会导致偏差。所以，为了防止偏倚，我会在不修正种子/状态的情况下运行模型几次。我应该运行机器学习模型多少次，或者通常由研究人员来获得结果(10次，20次)。或者更多)？
浏览 0提问于2020-12-08得票数 1
1回答
如何利用流数据训练空间模型？
、、、、
我创造了一个空间模型。但我需要重新训练它，直到它达到最高水平。我需要训练这个模型，并使用流数据对模型进行再培训。我已经看到，我们可以使用流数据来训练一些机器学习模型。对NLP模型也可以这样做吗？
浏览 4提问于2022-07-14得票数 -1
1回答
不区分配置文件的用户特征分析算法
、、、、
我正试图设计一种算法，通过变量department, location, job_role等来接收新用户，并且我想要一个机器学习算法来决定这个新用户需要什么样的软件和硬件。
我在绞尽脑汁地思考如何才能让它发挥作用--我可以使用一种有监督的学习方法，用已经就业的用户数据集和他们使用的软件和硬件数据集来训练一个模型。然而，这个数据集中的变量将非常广泛，因为通过一种热编码，每个用户对象都必须有代表用户可能拥有的每一个可能的软件或硬件的变量。或者我的数据集可以有一个用户对象集合，但不是每个对象都有相同的软件/硬件变量？
我对如何做到这一点非常困惑，所以任何洞察力都会有所帮助。我可能看错了这件事。
浏览 0提问于2019-08-06得票数 1
在我的机器学习课上，我们学习了在使用许多机器学习模型来解释偏差时，如何将1添加到每个样本的特征向量中。例如，如果我们正在进行线性回归，并且样本具有f_1，f_2，...，f_d特征，我们需要添加一个“伪”特征值1，以允许回归函数不必通过原点。
当使用sklearn模型时，你需要自己做这件事，还是他们的实现为你做呢？具体来说，我感兴趣的是，在使用他们的任何回归模型或SVM模型时，这是否是必要的。
浏览 0提问于2016-05-10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
我知道，通过使用joblib (如这里所描述的：)，scikit学习模型可以持久化在文件中。但是，由于postgresql函数中有机器学习过程，所以我宁愿将模型保存在Postgresql数据库中。
在Postgresql数据库中存储scikit学习模型的最方便的方法是什么？
浏览 2提问于2017-10-19得票数 7
回答已采纳
2回答
我正在研究一个基于网络数据的机器学习问题，其中我的数据集中的列之一是Destination Port，其中的值类似于30, 80, 1024, etc.。
由于此列中的数值不是序数，如何以某种方式转换此列，以便将其作为机器学习模型的输入？该列大约有480个唯一端口。
浏览 0提问于2019-12-26得票数 1
2回答
是否有一组机器学习算法不需要训练，如果一组有标记和未标记的数据立即给出答案，就直接给出答案？
跳过模型的显式训练是否可以在有监督或无监督的机器学习算法中跳过？我不是说要使用经过训练的模型。
浏览 0提问于2018-05-13得票数 2
1回答
我有一个Java单元测试，它将使用一个机器学习模型文件，名为model.bin，它是由外部工具从一个简单的文本文件构建的(已经通过C++规则构建的model-builder )。虽然定义是有意义的，但它不支持deps (在我的例子中是model.bin& model-builder )。我认为有两种选择：
让我的测试代码构建model.bin文件。从概念上讲，这并不是我希望测试的结果(我想测试读取预构建模型)。
实现一个执行./model-builder --in my-input.txt --outmodel.bin`的自定义扩展model.bin`。
在巴泽尔最好的
浏览 0提问于2017-08-20得票数 2
我在机器学习方面还是新手。我试图用lgb.cv()的5倍简历来训练我的模型，但是我不知道如何在lgb.train()中使用结果。例如，如何使用‘lgb_clf’中的“cv结果”？我无法理解cv()和train()之间的区别。
lgbm_params = {
'objective': 'binary',
'metric': 'auc',
'is_unbalance': 'true',
'boosting': 'gbdt',
浏览 1提问于2020-02-18得票数 0
回答已采纳
我正在从事一个机器学习项目，在这个项目中，我需要训练一个模型来对各种输入对象进行分类；为了简单起见，让我们假设我正在创建一个模型，该模型可以将图像分类为包含猫或狗的图像。
然而，我不仅对这些对象进行分类，而且对为什么算法将图像分类为狗或猫感兴趣。决策树允许非常好的可视化，这些可视化描述了为什么一个示例会根据示例的特性以某种方式进行分类，如下所示：
我是机器学习的新手，所以我不熟悉很多学习算法是如何工作的；是否有其他算法可以根据这些示例的特点，允许可视化(或信息)来提供一些关于为什么输入示例被以某种方式分类的洞察力？
浏览 8提问于2017-07-25得票数 1
1回答
我刚开始学习机器，正在探索不同的算法。我从互联网上提取了一个二进制分类问题，并尝试应用各种机器学习技术。
首先，我尝试在它上运行一个朴素的刺刀分类器，我发现它的成功率约为75%。我尝试了logistic回归，发现90%的成功率是惊人的。我尝试将正则化应用于我的分类器，这是当我将Lambda(正则化参数)改变到超过30个值时所发现的曲线。
。红色图是训练集，蓝色图是验证集。正如你所看到的，这两条曲线的误差在Lambda上都在增加。我认为这意味着我的假设一开始是不合适的，而且随着λ的增加，不合适的情况正在变得更糟。这是正确的解释方法吗？
无论哪种方法，为了解决不合适的问题，尝试一个更复杂的模型是
浏览 5提问于2017-05-11得票数 4
回答已采纳
1回答
标准化与规范化
、、
这些算法和所有机器学习算法都需要在输入模型之前对数据进行标准化/规范化。我们如何确定特定的模型/数据是否需要标准化/标准化。
谢谢。
浏览 0提问于2018-04-16得票数 1
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
