问题描述：如何在一些模型中选择一个最好的模型；避免数据浪费； 举例说明 1 多项式回归模型中，我们知道模型越复杂即m越高，拟合效果越好。但是未必是一个好的分类模型，因为模型过拟合了。那么如何确定m的值呢。 2 locally weighted regression中，τ值得确定。 3 SVM中参数C的确定。 交叉验证就是很好的用于这些问题，这些模型中参数寻优的问题。 模型的稳定性? 总是需要验证你的机器学习模型的稳定性。换句话说，你不能把这个模型与你的训练数据相匹配，并预测它的未来日期，然后希望它每次都能准确地给出结果。我之所以强调这一点是因为每次模型预测未来的日期，它都是基于看不见的数据，这些数据可能与训练数据不同。如果训练模型不能从你的训练数据中捕捉趋势，那么它可能会在测试集上过度拟合或不拟合。换句话说，可能会有高的方差或偏差。 让我们通过一个例子来进一步了解模型的稳定性。 在这个例子中，我们试图找出一个人购买汽车与否的关系，这取决于他的收入。为此，我们采取了以下步骤: 我们用一个线性方程建立了买车与否和个人收入之间的关系。假设你有2010年到2019年的数据，并试图预测2020年
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#稳定性#
35
好难，看不懂，学习中！
78
#预测模型#
33
#疾病风险#
39
#风险预测#
36