知识卡片
验证曲线调参
验证曲线与学习曲线类似,但画的是准确率与模型参数(如逻辑斯谛回归的正则化参数 C)的关系,而非与样本量的关系。validation_curve 默认对分类用分层 k 折,指定待验证参数(如流水线里记为 ‘clf_C’)及其取值范围 param_range。经验规律:加大正则化强度(较小的 C)会轻微欠拟合,增大 C(降低正则)会趋向过拟合,最优点在中间(例中 C≈0.1)。
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
- 模型评估与参数调优实战 · 查看原书依据
通过定位过拟合或欠拟合等诸多问题所在,来帮助提高模型性能的有效工具
参考来源
- 位置:《Python机器学习》第6章《6.3.2 通过验证曲线来判定过拟合与欠拟合》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0088.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:通过定位过拟合或欠拟合等诸多问题所在,来帮助提高模型性能的有效工具