知识卡片
评估与调优集成分类器
在测试集上算集成分类器 ROC 曲线可验证其对未知数据的泛化性能(例中 AUC=0.95);训练集不参与模型选择,只用于无偏估计。集成决策区域是各成员决策区域的混合。可用网格搜索调成员超参(如逻辑斯谛回归 C、决策树深度),通过 get_params 访问成员参数(如 ‘lr_C’、’dt_max_depth’)。例表明小正则(C=100)最优、树深无影响(单层树足够);但多次用测试集做选择并不妥当。
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
- 集成学习——组合不同的模型 · 查看原书依据
请记住,训练数据并未应用于模型选择,使用它们的唯一目的就是对分类系统的泛化性能做出无偏差的估计
参考来源
- 位置:《Python机器学习》第7章《7.3 评估与调优集成分类器》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0101.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:请记住,训练数据并未应用于模型选择,使用它们的唯一目的就是对分类系统的泛化性能做出无偏差的估计