學習筆記，僅供參考，有錯必糾
ps : 本blog採用中英混合模式，有些英文下有中文翻譯
generally,resampling techniquesfor estimating model performance operate
similarly:
先用乙個子樣本去擬合模型，然後用其餘的樣本評估模型。這過程會重複多次，然後對結果進行彙總歸納，不同的重抽樣技術的差別往往體現在怎麼選取子樣本上。
k折交叉驗證
在這個方法中，樣本被隨機劃分為k個尺寸相當的子集。第一步，用除了第乙個子集(第一折)之外的所有樣本擬合模型，然後用該模型對預留出的第一折樣本進行**，並用其結果來評估模型。接下來，第乙個子集被歸還至訓練集，第二個子集被預留出來進行模型評估，之後以此類推。這樣得到的k個模型評估結果將進行彙總，然後基於此了解調優引數和模型表現之間的關係。
這種方法的乙個變種是在生成k個劃分時
django入門 模型 part2
完全翻譯自官方文件 這章講資料庫相關 在settings.py的資料庫配置中預設是使用sqllite,如果只是用來練手那麼你不用修改資料庫的配置 如果要用mysql,就是下面的配置 databases 別忘了修改下配置檔案的時區和語言 language code zh hans django 1.1...
模型過擬合與欠擬合
機器學習中，經常討論到的乙個話題就是泛化能力。泛化能力的強弱決定了模型的好壞，而影響泛化能力的則是模型的擬合問題。機器學習的目的並不是為了對訓練集的做出正確的 而是對沒有在訓練集中出現的資料進行正確的 但是對訓練集之外的資料 的前提是，模型在訓練集上的表現很好，基本可以滿足大部分資料的 這樣才會被用...
模型訓練中過擬合與欠擬合
過擬合 在訓練集上的loss很低，但是在測試集上的loss很高，就是過擬合。模型的泛化能力差 欠擬合 不能在訓練集上獲得足夠低的訓練誤差 過擬合的解決辦法 1 權值共享 減少模型引數，減少計算量 2 batchnormalization 輸入的資料做乙個歸一化處理 可以讓大型卷積網路快速收斂，提高準...