对机器学习中一些术语的理解[笔记]

过拟合与欠拟合

关于过拟合与欠拟合,先见下图。



【个人理解】

  • 过拟合:当前算法开启了对事物认知的“Hard模式”;学习到的"条条框框"的"规则"设置过多
  • 欠拟合:当前算法开启了对事物认知的“Easy模式”;学习到的"规则"设置过少;当前算法对事物的理解过于“无拘无束”和“片面”

转移概率矩阵 / Transition Matrix

  • 又叫“跃迁矩阵”,由俄国数学家马尔科夫于20世纪初发现;
  • 定义:一个系统的某些因素在转移中,第n次结果只受第n-1的结果影响,即只与当前所处状态有关,而与过去状态无关

混淆矩阵 / Confusion Matrix

  • 每一行之和表示该类别的真实样本数量
  • 每一列之和表示被预测为该类别的样本数量
  • 也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。
  • 具体评价指标有总体精度、制图精度、用户精度等,这些精度指标从不同的侧面反映了图像分类的精度。
  • 在机器学习中:
    • 混淆矩阵是可视化工具,特别用于监督学习
      • 在图像精度评价中,主要用于比较分类结果和实际测得值,可以把分类结果的精度显示在一个混淆矩阵里面。
      • 混淆矩阵是通过将每个实测像元的位置和分类与分类图像中的相应位置和分类相比较计算的。
    • 无监督学习中,一般叫做匹配矩阵

参考文献

猜你喜欢

转载自www.cnblogs.com/johnnyzen/p/11185021.html
0条评论
添加一条新回复