机器学习基本问题

标签：步骤   原因   分割   分布   效率   评价   支持   使用   strong   

如何解决过拟合问题

过拟合：为了得到一致假设而使假设变得过度复杂称为过拟合。

过拟合的产生原因： 
1）由于对样本数据，可能存在隐单元的表示不唯一，即产生的分类的决策面不唯一。

2）权值学习迭代次数足够多，拟合了训练数据中的噪声和训练样例中没有代表性的特征。

过度拟合解决方法： 
1）权值衰减。 

2）适当的停止准则。

3）增加数据 

4）减少特征 

5）交叉验证。

6）正则化 

7）dropout

交叉验证

　　交叉验证的基本思想是把在某种意义下将原始数据进行分组，一部分做为训练集，另一部分做为验证集，首先用训练集对分类器进行训练，再利用验证集来测试训练得到的模型，以此来做为评价分类器的性能指标。

常见的交叉验证形式： 

1）K-fold cross-validation 
K折交叉验证，初始采样分割成K个子样本，一个单独的子样本被保留作为验证模型的数据，其他K-1个样本用来训练。交叉验证重复K次，每个子样本验证一次，平均K次的结果或者使用其它结合方式，最终得到一个单一估测。这个方法的优势在于，同时重复运用随机产生的子样本进行训练和验证，每次的结果验证一次，10折交叉验证是最常用的。
2）Holdout 验证 
常识来说，Holdout 验证并非一种交叉验证，因为数据并没有交叉使用。 随机从最初的样本中选出部分，形成交叉验证数据，而剩余的就当做训练数据。 一般来说，少于原本样本三分之一的数据被选做验证数据。 
3）留一验证 ：相当于Holdone验证
正如名称所建议， 留一验证（LOOCV）意指只使用原本样本中的一项来当做验证资料， 而剩余的则留下来当做训练资料。 这个步骤一直持续到每个样本都被当做一次验证资料。 事实上，这等同于和K-fold 交叉验证是一样的，其中K为原本样本个数。 在某些情况下是存在有效率的演算法，如使用kernel regression 和Tikhonov regularization。

L1和L2的区别L1与L2区别：

使用L1可以得到稀疏的权值；用L2可以得到平滑的权值。

实际上L1也是一种妥协的做法，要获得真正sparse的模型，要用L0正则化。

L1范数可以使权值稀疏，是指向量中各个元素绝对值之和，用于特征选择;

L2范数是指向量各元素的平方和然后求平方根，用于防止过拟合，提升模型的泛化能力。

生成模型和判别模型的区别

生成模型：由数据学习联合概率密度分布P(X,Y)，求出条件概率分布P(Y|X)作为预测的模型，即生成模型P(Y|X)=P(X,Y)/P(X)，再利用它分类。 
判别模型：由数据直接学习决策函数y=f(x)或者条件概率分布P（Y|X）作为预测的模型。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。 
典型的判别模型包括K近邻、感知机、决策树、支持向量机等。 
由生成模型可以得到判别模型，但由判别模型得不到生成模型。生成模型学习联合概率分布P(X,Y),而判别模型学习条件概率分布P(Y|X)。

机器学习基本问题

标签：步骤   原因   分割   分布   效率   评价   支持   使用   strong   

原文地址：http://www.cnblogs.com/hustercn/p/6857320.html