【机器学习基础】机器学习中的三个技巧原则

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了【机器学习基础】机器学习中的三个技巧原则，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1730字，纯文字阅读大概需要3分钟。

内容图文

奥卡姆剃刀原则（Occam's Razor） 有一句话是这样说的，An explanation of the data should be mad as simple as possible,but no simpler。 在机器学习中其意义就是，对数据最简单的解释也就是最好的解释（The simplest model that fits the data is also t

奥卡姆剃刀原则（Occam's Razor）

有一句话是这样说的，"An explanation of the data should be mad as simple as possible,but no simpler"。
在机器学习中其意义就是，对数据最简单的解释也就是最好的解释（The simplest model that fits the data is also the most plausible）。

比如上面的图片，右边是不是比左边解释的更好呢？显然不是这样的。

如无必要，勿增实体
奥卡姆剃刀定律，即简单有效原则，说的是，切勿浪费较多东西去做，用较少的东西，同样可以做好的事情。

所以，相比复杂的假设，我们更倾向于选择简单的、参数少的假设；同时，我们还希望选择更加简单的模型，使得有效的假设的数量不是很多。
另一种解释是，假设有一个简单的假设H，如果它可以很好的区分一组数据，那么说明这组数据确实是存在某种规律性。

抽样偏差（Sampling Bias）

If the data is sampled in a biased way,learning will produce a similarily biased outcome.
这句话告诉我们，如果抽样的数据是有偏差的，那么学习的效果也是有偏差的，这种情形称作是抽样偏差。
在实际情况中，我们需要训练数据和测试数据来自同一分布。
为了避免这样的问题，我们可以做的是要了解测试环境，让训练环境或者说是训练数据和测试环境尽可能的接近。

数据窥探（Data Snooping）

你在使用数据任何过程都是间接的窥探了数据，所以你在下决策的时候，你要知道，这些数据可能已经被你头脑中的模型复杂度所污染。
有效避免这种情况的方法有：

• 做决定之前不要看数据
• 要时刻存有怀疑

Github主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)

内容总结

以上是互联网集市为您收集整理的【机器学习基础】机器学习中的三个技巧原则全部内容，希望文章能够帮你解决【机器学习基础】机器学习中的三个技巧原则所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端