知识卡片
时间拆分模拟向未来预测
先按规范化时间排序,再以前半训练、后半测试,使评估更接近根据过去对新邮件排序。词表、权重和阈值也应只从训练窗口学习;仅把行分成两半却预先用全量统计,仍会泄漏未来信息。时间解析正确是这种拆分有效的前提。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 排序:智能收件箱 实现一个智能收件箱 · 连续片段3 · 查看原书依据
这部分数据用于训练排序算法。稍后我们要用priority.d f的第二部分数据来测试排序算法。鉴于数据已经结构化完毕,我们准备开始设计排序策略。既然已有了特征集,处理方式之一就是对训练数据的每一个观测特征赋予一定的权重。 [1]简单地说,这个假设就是:对于更验以识别为正常的邮件,
参考来源
- 位置:《机器学习:实用案例解析》第04章《实现一个智能收件箱 · 连续片段3》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3098.html,spine3204)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:这部分数据用于训练排序算法。稍后我们要用priority.d f的第二部分数据来测试排序算法。鉴于数据已经结构化完毕,我们准备开始设计排序策略。既然已有了特征集,处理方式之一就是对训练数据的每一个观测特征赋予一定的权重。 [1]简单地说,这个假设就是:对于更验以识别为正常的邮件,