世至其美索引 | 博客文章目录
爱技术 | 爱分享 | 爱生活目前研究操作系统内核相关不喜勿喷，欢迎交流Linux源码剖析Linux源码 | Thermal框架源码剖析Linux源码 | PM Qos源码剖析Linux源码 | EM能量模型Linux内核设计Linux内核 | 进程管理Linux内核 | 进程调度Linux内核 | 系统调用Linux内核 | 中断机制Linux内核 | 内核同步Linux设备驱动Linux设备驱
机器学习 | 模型评估与选择之性能度量
性能度量是衡量模型泛化能力的评价标准，反映了任务需求；使用不同的性能度量往往会导致不同的评判结果。回归任务最常用的性能度量是“均方误差”：<div align=center></div>一般式子对于数据分布D和概率密度函数p(.)均方误差可描述成：<div align=center></div>对于分类任务,错误率和精度是最常用的两种性能度量：错误率
机器学习 | 模型评估与选择之评估方法
基本概念错误率：分类错误的样本占样本总数的比例精度：分类正确的样本占样本总数的比例，即精度=1-错误率。过拟合：由于学习能力过于强大，以至于把训练样本所包含的不太一般的特性都学到了。欠拟合：由于学习能力太低下，以至于把训练样本所包含一般的特性没学好。对数据集D进行适当的处理，从中产生训练集S和测试集T。<div align=center></div><div alig