Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka
- ページ数
- 20
- 形式
- サイズ
- 857 KB
- 年
- 2018
- Trường
- University Wisconsin-Madison
- 閲覧数
- 0
- コメント
- 0
- Lượt tải
- 0
プレビューを生成中...
Tài liệu ghi chú bài giảng môn Machine Learning của Sebastian Raschka tại Đại học Wisconsin-Madison, trình bày về đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling.
- ドキュメント名
- Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka
- 学校 / コース
- University Wisconsin-Madison · Machine learning
- 内容
- Tài liệu này trình bày các phương pháp đánh giá mô hình học máy, bao gồm các khái niệm cơ bản, phương pháp giữ lại, và các kỹ thuật lấy mẫu lại nâng cao như bootstrap. Nó nhấn mạnh tầm quan trọng của việc đánh giá hiệu suất để đảm bảo mô hình khái quát hóa tốt trên dữ liệu chưa thấy.
- 目次
- 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques
- 9.1 Introduction: Essential Model Evaluation Terms and Techniques
- 9.1.1 Performance Estimation: Generalization Performance Vs. Model Selection
- 9.1.2 Assumptions and Terminology
- 9.2 Resubstitution Validation and the Holdout Method
- 9.2.1 Stratification
- 9.3 Holdout Validation
- 9.3.1 Pessimistic Bias
- 9.4 Confidence Intervals via Normal Approximation
- 9.5 Overview of the Next Sections on Resampling
- 9.6 Resampling
- 9.7 Repeated Holdout Validation
- 9.8 The Bootstrap Method and Empirical Confidence Intervals
- 9.9 Conclusions
- ページ数
- 20 ページ
- アップロード者
- Uni24h
説明
Trích nội dung tài liệu
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques 9.1 Introduction: Essential Model Evaluation Terms and Techniques . . . . . . . 9.1.1 1 1 Performance Estimation: Generalization Performance Vs. Model Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Assumptions and Terminology . . . . . . . . . . . . . . . . . . . . . . 2 Resubstitution Validation and the Holdout Method . . . . . . . . . . . . . . . 5 9.2.1 Stratification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Holdout Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 9.3.1 Pessimistic Bias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 9.4 Confidence Intervals via Normal Approximation . . . . . . . . . . . . . . . . . 8 9.5 Overview of the Next Sections on Resampling . . . . . . . . . . . . . . . . . . 10 9.6 Resampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 9.7 Repeated Holdout Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 9.8 The Bootstrap Method and Empirical Confidence Intervals . . . . . . . . . . 14 9.9 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 9.1.2 9.2 9.3 STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques 9.1 Introduction: Essential Model Evaluation Terms and Techniques Machine learning has become a central part of our life – as consumers, customers, and hopefully as researchers and practitioners. Whether we are applying predictive modeling techniques to o
よくある質問
このドキュメントは無料ですか？
はい。「Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka」は無料です。ログインして「ダウンロード」をクリックするだけで、元のファイルを取得できます。
このドキュメントは何ページありますか？
このドキュメントは 20 ページあります（Machine learning コース用）。ダウンロードする前にオンラインでプレビューできます。
ダウンロードする前にプレビューできますか？
はい。このページにあるオンラインリーダーでドキュメントをプレビューし、その後ダウンロードするかどうかを決めることができます。
Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka
プレビューを生成中...
Trích nội dung tài liệu
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques 9.1 Introduction: Essential Model Evaluation Terms and Techniques . . . . . . . 9.1.1 1 1 Performance Estimation: Generalization Performance Vs. Model Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Assumptions and Terminology . . . . . . . . . . . . . . . . . . . . . . 2 Resubstitution Validation and the Holdout Method . . . . . . . . . . . . . . . 5 9.2.1 Stratification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Holdout Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 9.3.1 Pessimistic Bias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 9.4 Confidence Intervals via Normal Approximation . . . . . . . . . . . . . . . . . 8 9.5 Overview of the Next Sections on Resampling . . . . . . . . . . . . . . . . . . 10 9.6 Resampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 9.7 Repeated Holdout Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 9.8 The Bootstrap Method and Empirical Confidence Intervals . . . . . . . . . . 14 9.9 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 9.1.2 9.2 9.3 STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques 9.1 Introduction: Essential Model Evaluation Terms and Techniques Machine learning has become a central part of our life – as consumers, customers, and hopefully as researchers and practitioners. Whether we are applying predictive modeling techniques to o
- ドキュメント名
- Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka
- 学校 / コース
- University Wisconsin-Madison · Machine learning
- 内容
- Tài liệu này trình bày các phương pháp đánh giá mô hình học máy, bao gồm các khái niệm cơ bản, phương pháp giữ lại, và các kỹ thuật lấy mẫu lại nâng cao như bootstrap. Nó nhấn mạnh tầm quan trọng của việc đánh giá hiệu suất để đảm bảo mô hình khái quát hóa tốt trên dữ liệu chưa thấy.
- 目次
- 9 Model Evaluation 2: Confidence Intervals and Resampling Techniques
- 9.1 Introduction: Essential Model Evaluation Terms and Techniques
- 9.1.1 Performance Estimation: Generalization Performance Vs. Model Selection
- 9.1.2 Assumptions and Terminology
- 9.2 Resubstitution Validation and the Holdout Method
- 9.2.1 Stratification
- 9.3 Holdout Validation
- 9.3.1 Pessimistic Bias
- 9.4 Confidence Intervals via Normal Approximation
- 9.5 Overview of the Next Sections on Resampling
- 9.6 Resampling
- 9.7 Repeated Holdout Validation
- 9.8 The Bootstrap Method and Empirical Confidence Intervals
- 9.9 Conclusions
- ページ数
- 20 ページ
- アップロード者
- Uni24h
コメント (0)
まだコメントはありません。最初のコメントを書きましょう！
Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
Feat extract slides (14) (Giảm chiều dữ liệu, tập trung vào trích xuất đặc trưng) - Sebastian Raschka
Eval intro slides (08) (Đánh giá mô hình, overfitting và underfitting, phân rã bias-variance trong Máy học) - Sebastian Raschka
Machine learning tips and tricks (Tổng hợp mẹo về học máy)
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Tổng hợp Đề Toán 5 - Luyện thi vào Lớp 6 - CLB EMath
Bài giảng vật lý đại cương (Chương 3) - Đỗ Ngọc Uấn
Chương 8.Nguyên tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
コメント (0)
まだコメントはありません。最初のコメントを書きましょう！