交叉验证
模型的泛化能力,包括:
训练误差:模型再训练集上的错分样本比率(用来判断给定问题是不是一个容易学习的问题)
测试误差:模型在测试集上的错分样本比率(反映了对未知数据的预测能力)
如果得到的训练集和测试集的数据没有交集,通常将此预测能力称为泛化能力。
训练集、测试集、验证集
K折交叉验证:交叉n次的结果求出的均值,是对模型效果的一个更好的度量
模型评估目录
混淆矩阵:有监督学习的分类问题的评估效果
泛化能力:模型在未知数据集上的效果,在陌生数据集上表现优秀的能力称为泛化能力,我们追求的是模型的泛化能力。
训练误差:错分样本的比例
交差验证:K折交叉沿着
测试误差
交差验证