如何帮人做网站,种子搜索神器在线搜,喜茶vi设计案例分析ppt,易语言怎么做无限打开网站如果算法预测出的结果不太好#xff0c;可以考虑以下几个方面#xff1a;
获得更多的训练样本
采用更少的特征
尝试获取更多的特征
增加多项式特征
增大或减小 λ 模型评估(evaluate model)
例如房价预测#xff0c;用五个数据训练出的模型能很好的拟合这几个数据可以考虑以下几个方面
获得更多的训练样本
采用更少的特征
尝试获取更多的特征
增加多项式特征
增大或减小 λ 模型评估(evaluate model)
例如房价预测用五个数据训练出的模型能很好的拟合这几个数据但不能泛化到新的数据。 将数据按70%、30%的比例分成两份一份是训练集一份是测试集。 模型选择
一种有缺陷的方法
可以计算一阶多项式、二阶多项式、...、十阶多项式的J(w,b)看看哪一个更小 就选择哪个作为模型。但这样仍可能出现泛化的不好的情况。 好的方法 将数据集分成三部分60%训练集(training set) 20%交叉验证集(cross validation set / developent set / dev set)20%测试集(test set)。 三个部分的 error 计算公式如下 可以选择交叉测试集误差最小的那个然后用测试集误差来评估模型泛化的好坏。模型的选择要看模型在训练集和交叉验证集的好坏不看测试集的结果。
