机器学习之模型评估与选择—226人已学习
课程介绍
本课程主要讲解经验误差与过拟合问题,学习器的评估方法(留出法,交叉验证法,自助法,调参与终模型),性能度量(错误率与精度,查准率和查全率,ROC与AUV,代价敏感错误率与代价曲线),比较检验(假设检验,交叉t检验,其他检验),偏差与反差等知识点。
课程收益
本课程需要掌握经验误差与过拟合问题,学习器的评估方法(留出法,交叉验证法,自助法,调参与最终模型),性能度量(错误率与精度,查准率和查全率,ROC与AUV,代价敏感错误率与代价曲线),比较检验(假设检验,交叉t检验,其他检验),偏差与反差等知识点。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:经验误差与过拟合问题
1. 经验误差与过拟合问题 9:10
第2章:学习器的评估方法
1. 留出法 4:35
2. 交叉验证法 5:58
3. 自助法 4:10
4. 调参与最终模型 4:14
第3章:性能度量
1. 错误率与精度 3:23
2. 查准率和查全率 10:17
3. ROC与AUV 7:44
4. 代价敏感错误率与代价曲线 5:41
第4章:比较检验
1. 假设检验 9:19
2. 交叉t检验,其他检验 5:03
第5章:偏差与方差
1. 偏差与方差 4:00
大家可以点击【 查看详情】查看我的课程
课程介绍
本课程主要讲解经验误差与过拟合问题,学习器的评估方法(留出法,交叉验证法,自助法,调参与终模型),性能度量(错误率与精度,查准率和查全率,ROC与AUV,代价敏感错误率与代价曲线),比较检验(假设检验,交叉t检验,其他检验),偏差与反差等知识点。
课程收益
本课程需要掌握经验误差与过拟合问题,学习器的评估方法(留出法,交叉验证法,自助法,调参与最终模型),性能度量(错误率与精度,查准率和查全率,ROC与AUV,代价敏感错误率与代价曲线),比较检验(假设检验,交叉t检验,其他检验),偏差与反差等知识点。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:经验误差与过拟合问题
1. 经验误差与过拟合问题 9:10
第2章:学习器的评估方法
1. 留出法 4:35
2. 交叉验证法 5:58
3. 自助法 4:10
4. 调参与最终模型 4:14
第3章:性能度量
1. 错误率与精度 3:23
2. 查准率和查全率 10:17
3. ROC与AUV 7:44
4. 代价敏感错误率与代价曲线 5:41
第4章:比较检验
1. 假设检验 9:19
2. 交叉t检验,其他检验 5:03
第5章:偏差与方差
1. 偏差与方差 4:00
大家可以点击【 查看详情】查看我的课程