读机器学习教程

斯坦福大学２０１４机器学习教程个人笔记
１０、机器学习诊断法
判断过拟合和欠拟合
将数据分成训练集和测试集，７０％，３０％，
计算误差：
线性回归模型：利用测试集数据计算代价函数
逻辑回归模型：除了利用测试集，计算代价函数外，
模型的选择和交叉验证集
训练集误差和交叉验证集误差近似时：偏差/欠拟合
交叉验证集误差远大于训练集误差时：方差/过拟合
正则化和偏差、方差
lamda的值通常是０－１０之间呈现２倍关系的值，
将验证集模型的代价函数误差与ｌａｍｄａ的值绘制在一张图标上
１１．３类偏斜率的误差度量
查准率（ｐｒｅｃｉｓｉｏｎ）和查全率（ｒｅｃａｌｌ）
1、正确肯定（Ｔrue Position,TP）:预测与实际都为真
２、正确否定（Ｔrue Negative,TN）:预测与实际为假
３、错误肯定（Ｆalse Positive,FP）:预测为真，实际为假
４、错误否定（ｆａｌｓｅ negative,FN）预测为假，实际为真
＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃
自己写一个ｓｓｄ网络？
ＳＳＤ是利用ａｎｃｈｏｒ直接进行分类和ｂｏｕｎｄｉｎｇ-box回归，
SSD：Single shot multibox detector