标签：模型训练 计算 参数 允许 数据 比较 可靠 输入参数 采样
1、评估标准
1）经验误差 ：训练集上产生的误差
2）泛化误差：对新样本进行预测产生的误差
3）过拟合：经验误差很小甚至为零，泛化误差很大（模型训练的很复杂，几乎涵盖了训练集中所有的样本点）
4）欠拟合：与过拟合相反
一般模型的泛化误差越小越好
2、评估方法
1）留出法：采用分层采样的方式留出验证集
2）交叉验证法：将数据集均分k份，留出一份作为交叉验证集，重复k次取均值
3）自助法：随机可重复采样m次，所得集合作为训练集，余下数据作为验证集
在数据集较小时，自助法比较可靠 在数据集较大时，留出法和交叉验证法更常用一些
3、调参与最终模型
1）调参：调整模型输入参数，使得结果接近最佳，如果计算资源允许，可通过枚举方式进行
2）在模型选择完成后，学习算法和参数配置已选定，此时应该用数据集D重新训练模型
标签：模型训练 计算 参数 允许 数据 比较 可靠 输入参数 采样
原文地址：http://www.cnblogs.com/acm-jing/p/7549905.html
