标签：10 机器 训练 特征 学习 集内 测试 数据处理 倒数第

一. 数据预处理

 数据不平衡时，无法体现模型好坏，就像让一群硕士去做小学题，并不能区分他们的能力，宁愿把题目设置成高考题。

· 过采样和欠采样可以同时采用。

 留出法的缺点：可能会导致划分在测试集内的数据有一些特征没有在训练集内发现，会有误差。

k-折交叉验证法的优点：假如划分为10个互斥子集，我们就可以在第一次用前9个做训练，最后1个做测试，第二次可以用倒数第2个做测试，剩下的做训练，第三次用倒数第3个做测试，剩下的做训练....以此类推，每一个子集都可以被训练，测试到，总共做10次训练和测试，就弥补了留出法的缺陷。

二. 特征工程

 进行了特征的选择之后，将不需要的特征去掉，只留下需要的，但可能维度还是很大，就需要降维。

PCA：将高维度压缩到低维，把不需要的特征抹掉，只留下需要的；

LDA：比如图上将二维的点做投影，投影到一条直线上，也就是一维，还是能够按类别区分开，一类的一堆。

 数据量级的不同，会导致数据之间无法比较，例如50m/s和500m/min,3km/小时机器不好判别

标签：10,机器,训练,特征,学习,集内,测试,数据处理,倒数第
来源： https://www.cnblogs.com/guojiaxue/p/12638943.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。