综述:机器学习中的模型评价、模型选择与算法选择!
数据分析1480
共 3100字,需浏览 7分钟
· 2023-06-20
选自 Sebastian Raschka,来源:机器之心
![](https://filescdn.proginn.com/9b8d97429b42623441649f7ede84483f/f72403e14b55e468a0f9e989c4a4f93d.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。
![](https://filescdn.proginn.com/5f36f05a74f1083ad5b5960c8f71408f/cbeb660e434c772044e3d63e3b5715f6.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/a36706b14fe6793e83ab3f91aa0f85f2/a0fd2cc832fca2d1841acc5cacdc6521.webp)
![](https://filescdn.proginn.com/c2149dd646b9544e558b8c266076ca3b/0d9003c1be8f73211384b74a0a3986d1.webp)
![](https://filescdn.proginn.com/9bd4de12ac1d798e98cb2aac81382aa8/5d4c69afeae6eec8217228d9a0deee31.webp)
![](https://filescdn.proginn.com/747ea3913295cfaae67ff426994f8e09/493111a36e1ebbb2c4351fd06acc9314.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/7d0a1b93fc32cda9f38b4dc7c234d26f/f8d1155344cc32214f292529eca6f095.webp)
![](https://filescdn.proginn.com/c60f12e18d1dcbc26f7fb25439049cff/204bcb0f33d6ffcf56c1db565b1f0f33.webp)
![](https://filescdn.proginn.com/d285d88507d6f3171d487240eab51731/ecaf68c6777cd6ed9ab4e4ca01ba182e.webp)
评论