思维导图备注

周志华《机器学习》学习笔记
首页 白天 夜间 BookChat 小程序 小程序 阅读
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

2 模型的评估与选择

 来源:Vay-keen 浏览 4154 扫码 分享 2019-11-07 23:05:05
  • 2 模型的评估与选择

    2 模型的评估与选择

    • 2.1 误差与过拟合
    • 2.2 评估方法
    • 2.3 训练集与测试集的划分方法
    • 2.4 调参
    • 2.5 性能度量
    • 2.6 比较检验
    • 2.7 偏差与方差
    当前内容版权归 Vay-keen 或其关联方所有，如需对内容或内容相关联开源项目进行关注与资助，请访问 Vay-keen .
    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • README
    • 1 绪论
      • 1.1 机器学习的定义
      • 1.2 机器学习的一些基本术语
    • 2 模型的评估与选择
      • 2.1 误差与过拟合
      • 2.2 评估方法
      • 2.3 训练集与测试集的划分方法
      • 2.4 调参
      • 2.5 性能度量
        • 2.5.1 最常见的性能度量
        • 2.5.2 查准率/查全率/F1
        • 2.5.3 ROC与AUC
        • 2.5.4 代价敏感错误率与代价曲线
      • 2.6 比较检验
      • 2.7 偏差与方差
    • 3 线性模型
      • 3.1 线性回归
      • 3.2 线性几率回归
      • 3.3 线性判别分析
      • 3.4 多分类学习
      • 3.5 类别不平衡问题
    • 4 决策树
      • 4.1 决策树基本概念
      • 4.2 决策树的构造
      • 4.3 剪枝处理
      • 4.4 连续值与缺失值处理
    • 5 神经网络
      • 5.1 神经元模型
      • 5.2 感知机与多层网络
      • 5.3 BP神经网络算法
      • 5.4 全局最小与局部最小
      • 5.5 深度学习
    • 6 支持向量机
      • 6.1 函数间隔与几何间隔
      • 6.2 最大间隔与支持向量
      • 6.3 从原始优化问题到对偶问题
      • 6.4 核函数
      • 6.5 软间隔支持向量机
    • 7 贝叶斯分类器
      • 7.1 贝叶斯决策论
      • 7.2 极大似然法
      • 7.3 朴素贝叶斯分类器
    • 8 EM算法
      • 8.1 EM算法思想
      • 8.2 EM算法数学推导
      • 8.3 EM算法流程
    • 9 集成学习
      • 9.1 个体与集成
      • 9.2 Boosting
      • 9.3 Bagging与Random Forest
      • 9.4 结合策略
      • 9.5 多样性（diversity）
    • 10 聚类算法
      • 10.1 距离度量
      • 10.2 性能度量
      • 10.3 原型聚类
      • 10.4 密度聚类
      • 10.5 层次聚类
    • 11 降维与度量学习
      • 11.1 K近邻学习
      • 11.2 MDS算法
      • 11.3 主成分分析（PCA）
      • 11.4 核化线性降维
      • 11.5 流形学习
      • 11.6 度量学习
    • 12 特征选择与稀疏学习
      • 12.1 子集搜索与评价
      • 12.2 过滤式选择（Relief）
      • 12.3 包裹式选择（LVW）
      • 12.4 嵌入式选择与正则化
      • 12.5 稀疏表示与字典学习
      • 12.6 压缩感知
    • 13 计算学习理论
      • 13.1 PAC学习
      • 13.2 有限假设空间
      • 13.3 VC维
      • 13.4 稳定性
    • 14 半监督学习
      • 14.1 生成式方法
      • 14.2 半监督SVM
      • 14.3 基于分歧的方法
      • 14.4 半监督聚类
    • 15 概率图模型
      • 15.1 隐马尔可夫模型(HMM)
      • 15.2 马尔可夫随机场（MRF）
      • 15.3 条件随机场（CRF）
      • 15.4 学习与推断
      • 15.5 LDA话题模型
    • 16 强化学习
      • 16.1 基本要素
      • 16.2 K摇摆赌博机
      • 16.3 有模型学习
      • 16.4 蒙特卡罗强化学习
      • 16.5 AlphaGo原理浅析
    暂无相关搜索结果！

      本文档使用 BookStack 构建

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      • 普通下载
      • 下载码下载(免登录无限下载)
      你与大神的距离，只差一个APP
      APP下载
      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档
      温馨提示 每天每在网站阅读学习一分钟时长可下载一本电子书，每天连续签到可增加阅读时长
      下载码方式下载：免费、免登录、无限制。 免费获取下载码

      微信小程序阅读

      BookChat 微信小程序阅读
      您与他人的薪资差距，只差一个随时随地学习的小程序

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度