201116西瓜书机器学习系列---2、模型评估

一、总结

一句话总结：

 

1、经验误差vs泛化误差？

经验误差：在训练集上面的误差-对应训练集数据

泛化误差：在“未来”样本上的误差-对应测试集数据

验证集是用来做什么的：验证超参数

 

2、混淆矩阵？

 

 

 

3、偏差和方差？

 

 

 

4、复杂模型的方差和偏差情况？

模型越复杂，模型拟合能力越强，偏差逐渐变小，容易过拟合模型越复杂，可能性就会越多，方差越大

 

5、AUC举例？

 

 

6、模型评估方法？

 

 

7、模型评估的性能度量？

 

 

 

二、内容在总结中

博客对应课程的视频位置：