В этом блоге я расскажу об оценке модели. Итак, приступим. Цель регрессии - построить модель для точного прогнозирования неизвестного случая. Для этого мы должны выполнить оценку регрессии после построения модели. Я представлю и рассмотрю два типа оценочных подходов, которые можно использовать для достижения этой цели. Эти подходы Обучайте и тестируйте на одном наборе данных Сплит поезд / тест. Мы поговорим о каждой из них, а также о плюсах и минусах использования каждой из этих..

Машинное обучение включает в себя разделение доступных наблюдений на наборы обучающих и тестовых данных, обучение модели на наборе обучающих данных и тестирование ее на наборе тестовых данных. На рисунке ниже объясняются обычные шаги, связанные с машинным обучением. Этот подход хорошо работает, если у вас есть много наблюдений, доступных для обучения и тестирования вашей модели, но он показывает слабость, если размер наблюдения невелик. Имеющиеся наблюдения должны быть..

Предположим , студент во время экзамена, его учитель сказал, что выучите 5 главу из учебника по математике. Он выучил и пошел в школу, Когда начался экзамен, он увидел, что вопросов было из целой книги. Таким образом, он забил меньше. Опять же, думаю другая ситуация, он прочитал всю книгу и вопросы были только из 5 главы. Он забил хорошо. В этих двух ситуациях мы не можем сказать, что он плохой ученик, а также он хороший ученик, проанализируйте его результат. Если вопрос был из..

В прошлом месяце мы обсудили влияние градиентного спуска на оптимизацию глубокого обучения и рассмотрели важность оптимизации функции затрат. В этом посте мы подробно рассмотрим, как оценивать результаты модели, а также передовой опыт оптимизации гиперпараметров. Для этого мы построим модель распознавания изображений. Мы покажем, как вычислять метрики для оценки качества модели и некоторые методы оптимизации гиперпараметров. Оценка модели Подобно тому, как студент готовится к..

С перекрестной проверкой k -Fold (с нуля) В этой статье мы поймем, как работает алгоритм k-ближайших соседей (kNN), и построим алгоритм kNN с нуля. Мы также оценим наш алгоритм с помощью перекрестной проверки k-Fold, которая также разработана с нуля. После прохождения этого урока вы будете знать: Пошаговое кодирование алгоритма k -Nearest Neighbours Как использовать k-ближайших соседей, чтобы сделать прогноз для новых данных Пошаговое руководство по кодированию перекрестной..