机器学习
Introduction
第二章 模型评估与选择
经验误差与过拟合
评估方法
性能度量
第三章 线性模型
基本形式
线性回归
对数几率回归
线性判别分析
第四章 决策树
基本流程
划分选择
第五章 神经网络
神经元模型
感知机
误差逆传播算法
第六章 支持向量机
6.1 间隔与支持向量
第九章 聚类
9.1 聚类任务
9.2 性能度量
9.3 距离属性
9.4 原型聚类
Powered by
GitBook
性能度量
对学习器的泛化性能进行评估,不仅需要有效可行的实验估计方法,还需要衡量模型泛化能力的评价标准,这就是性能度量。
回归任务最常用的性能度量方式是均方误差:
E\(f;D\)=
results matching "
"
No results matching "
"