一、模型选择
图1.1 模型选择问题
如何选择?
- 视觉上 NO
不是所有资料都能可视化；人脑模型复杂度也得算上。 - 通过
NO
容易过拟合，泛化能力差。 - 通过
NO
能保证好的泛化，不过往往没法提前获得测试资料。
图1.2 泛化的保证
折中：将样本资料分为两部分。一部分用作训练，一部分用作验证。
图1.3 样本内误差和测试误差的比较
二、验证
图2.1 验证集
基于验证集的模型选择：
- 利用所有训练数据训练所有模型，得出各个模型下的最优假设；
- 计算验证数据在各个模型最优假设下的代价值，选择最小代价值的模型；
- 利用全部样本数据训练选出来的模型，得到最优假设。
图2.2 基于验证集的模型选择1
图2.3 基于验证集的模型选择2
如何选择?
通常，取样本总数的1/5。
图2.4 基于验证集的模型选择3
注意：validation不见得比较慢（训练数据变少了）。
三、留一交叉验证
图3.1 留一交叉验证1
图3.2 留一交叉验证2
图3.3 留一交叉验证3
四、V折交叉验证
留一交叉验证速度慢以及存在不稳定性，实际中通常不怎么用。
将留一中的一个变为一份 ------> V折交叉验证。
V常取5或10。
图4.1 V折交叉验证1
图4.2 V折交叉验证2
图4.3 验证相关方法小结
