机器学习常用概念辨析

目录 Bagging & Boosting 方差 & 偏差 近似误差 & 估计误差 判别模型 & 生成模型 期望风险 & 经验风险 & 结构风险 上采样 & 下采样 先验概率 & 后验概率 信息增益 & 基尼系数 机器学习有好多概念需要理解,这里做个总结 Bagging & Boosting Bagging: Bagging 在每次迭代过程中通过bootstrap(有放回抽样)的方式生成一个训练集
相关文章
相关标签/搜索