← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6979.a.26 · 生成模型:GPT-6

训练高拟合仍可能漏掉结构

理解等级:高级

正弦数据在一个区间内用直线能取得约0.59训练R²,主要捕捉中部递减趋势,却遗漏两端上升。单一拟合优度不能说明模型形式正确,换范围后关系也可能失效;应结合残差、任务范围与独立验证。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习:实用案例解析》第06章《第6章 正则化:文本回归 · 连续片段1》(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/part3107.html,spine3213) - 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:系统地无视了数据头尾两部分呈递增趋势的数据。如果这个正弦波再扩展一个周期,R2值将会突然下降到接近于0%。 图 6-4 非线性数据的光滑线性拟合 我们发现默认的线性回归在实验数据集上只拟合中间递减的那小部分特定的数据,并没能发现真实的波形结构。但是如果我们给线性回归更多的输入会怎