综述论文:机器学习中的模型评价、模型选择与算法选择!
AI算法与图像处理
共 3116字,需浏览 7分钟
· 2022-10-15
本论文回顾了用于解决模型评估、模型选择和算法选择三项任务的不同技术,并参考理论和实证研究讨论了每一项技术的主要优势和劣势。进而,给出建议以促进机器学习研究与应用方面的最佳实践。
![](https://filescdn.proginn.com/eeea3df2fb6abb814ee29782842255b9/65e5e4df53847321eb97b5bcba35bba7.webp)
评估模型的泛化性能,即模型泛化到未见过数据的能力;
通过调整学习算法和在给定的假设空间中选择性能最优的模型,以提升预测性能;
确定最适用于待解决问题的机器学习算法。因此,我们可以比较不同的算法,选择其中性能最优的模型;或者选择算法的假设空间中的性能最优模型。
虽然上面列出的三个子任务都是为了评估模型的性能,但是它们需要使用的方法是不同的。本文将概述解决这些子任务需要的不同方法。
![](https://filescdn.proginn.com/c24b1268ca2ec48f94cd55f86b2d0eda/4dbd59b650a30fd4790e7e9b49104de5.webp)
我们想评估泛化准确度,即模型在未见数据上的预测性能。
我们想通过调整学习算法、从给定假设空间中选择性能最好的模型,来改善预测性能。
我们想确定手头最适合待解决问题的机器学习算法。因此,我们想对比不同的算法,选出性能最好的一个;或从算法的假设空间中选出性能最好的模型。
![](https://filescdn.proginn.com/b30f66830a1924950a20ae0c292e6c0d/af3aaf0cd1c8768906c48c76c29461bc.webp)
![](https://filescdn.proginn.com/cfe642938ef1cbc06d9f829e3cc70c95/4581ac8c85a0eeefb00c186d7ccda37d.webp)
![](https://filescdn.proginn.com/055f0286aff85975ddadcc3bd8a35057/d73135d0d14e6d477e1d81f07d1312af.webp)
![](https://filescdn.proginn.com/940660fe360e38da0c48d037be31a1f0/21154f68ac34e5d5a25f7f8e9337ee90.webp)
我们想评估泛化准确度,即模型在未见数据上的预测性能。
我们想通过调整学习算法、从给定假设空间中选择性能最好的模型,来改善预测性能。
我们想确定最适合待解决问题的机器学习算法。因此,我们想对比不同的算法,选出性能最好的一个,从算法的假设空间中选出性能最好的模型。
![](https://filescdn.proginn.com/761b6e22ba3d25315f2b4c5f28d9d2a2/0b0d42f066b606c1dc66c07e116d5426.webp)
![](https://filescdn.proginn.com/333c86c2fa23b9865442b9f1333f65d6/9668804bd400943f0863bfcf519643e2.webp)
![](https://filescdn.proginn.com/6a0c682c7bc86612559a59a7c7a48dc5/51c4466b8c42a38a5c8263f5bf2aa794.webp)
评论