《scikit-learn機器學習常用算法原理及編程實戰(zhàn)》—3.8 復習題

3.8? 復習題

1．什么是過擬合？什么是欠擬合？怎么樣去診斷算法是否過擬合或欠擬合？

2．模型的擬合成本是什么意思？它和模型的準確性有什么關(guān)系？

3．我們有哪些指標來評價一個模型的好壞？

4．為什么需要交叉驗證數(shù)據(jù)集？

5．什么是學習曲線？為什么要畫學習曲線？

6．打開ch03.02.ipynb，運行這個示例代碼。

7．參考ch03.02.ipynb，換成隨機森林回歸算法sklearn.ensemble.RandomForestRegressor來擬合曲線，并畫出學習曲線。提示：讀者可以閱讀scikit-learn文檔以獲得幫助。不過不需要深入了解算法原理，由于scikit-learn提供了一致的接口，對大部分有編程經(jīng)驗的讀者，這個任務不會是太大的障礙。

8．為什么需要查準率和召回率來評估模型的好壞？查準率和召回率適合哪些問題領(lǐng)域？

機器學習 scikit-learn

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。