Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Python и машинное обучение
Приложение А
Поставить закладку
Оценка моделей
Что такое переподгонка?
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте
просмотр в виде pdf
. Вам доступно 4 стр. из этой главы.
Для продолжения работы требуется
Регистрация
Предыдущая страница
Следующая страница
Оглавление
Предисловие
Об авторе
О рецензентах
Введение
Глава 1. Наделение компьютеров способностью обучаться на данных
+
Глава 2. Тренировка алгоритмов машинного обучения для задачи классификации
+
Глава 3. Обзор классификаторов с использованием библиотеки scikit-learn
+
Глава 4. Создание хороших тренировочных наборов - предобработка данных
+
Глава 5. Сжатие данных путем снижения размерности
+
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров
+
Глава 7. Объединение моделей для методов ансамблевого обучения
+
Глава 8. Применение алгоритмов машинного обучения в анализе мнений
+
Глава 9. Встраивание алгоритма машинного обучения в веб-приложение
+
Глава 10. Прогнозирование непрерывных целевых величин на основе регрессионного анализа
+
Глава 11. Работа с немаркированными данными - кластерный анализ
+
Глава 12. Тренировка искусственных нейронных сетей для распознавания изображений
+
Глава 13. Распараллеливание тренировки нейронных сетей при помощи Theano
+
Приложение А
-
Оценка моделей
Что такое переподгонка?
Как оценивать модель?
Сценарий 1. Элементарно обучить простую модель
Сценарий 2. Натренировать модель и выполнить тонкую настройку (оптимизировать гиперпараметры)
Сценарий 3. Построить разные модели и сравнить разные алгоритмы (например, SVM против логистической регрессии против случайных лесов и т. д.)
Перекрестная проверка. Оценка работоспособности эстиматора
Перекрестная проверка с исключением по одному
Пример стратифицированной k-блочной перекрестной проверки
Расширенный пример вложенной перекрестной проверки
А. Вложенная кросс-валидация: быстрая версия
Б. Вложенная кросс-валидация: ручной подход с распечаткой модельных параметров
В. Регулярная k-блочная кросс-валидация для оптимизации модели на полном наборе тренировочных данных
График проверочной (валидационной) кривой
Настройка типового конвейера и сеточного поиска
Машинное обучение
В чем разница между классификатором и моделью?
В чем разница между функцией стоимости и функцией потерь?
Обеспечение персистентности моделей scikit-learn на основе JSON
Глоссарий основных терминов и сокращений
+
Предметный указатель
Данный блок поддерживает скрол*