帮朋友做网站的坑,永久免费网站服务器,软件外包公司排名,免费的网站平台1 概述
模式识别#xff0c;简单来讲#xff0c;就是分类问题。
模式识别应用#xff1a;医学影像分析、人脸识别、车牌识别、遥感图像
2 模式分类器
分类器的分类#xff1a;线性分类器、非线性分类器、最近邻分类器
2.1 分类器的训练#xff08;学习#xff09;过…1 概述
模式识别简单来讲就是分类问题。
模式识别应用医学影像分析、人脸识别、车牌识别、遥感图像
2 模式分类器
分类器的分类线性分类器、非线性分类器、最近邻分类器
2.1 分类器的训练学习过程 2.2 分类器的性能评价
概念 真正例True Positive 简称TP真的判定为真的假负例False Negative 简称FN真的判定为假的真负例True Negative 简称TN假的判定为假的假正例False Positive 简称FP假的判定为真的
Precision准确率 Recall召回率 F调和均值 泛化性能是指训练好的模型在前所未见的数据(测试集)上的性能好坏。
拟合程度 过拟合 是指学习时选择的模型所包含的参数过多以至于出现这一模型对已知数据预测的很好但对未知数据预测得很差的现象。这种情况下模型可能只是记住了训练集数据而不是学习到了数据特征。欠拟合模型描述能力太弱以至于不能很好地学习到数据中的规律。产生欠拟合的原因通常是模型过于简单。
解决过拟合问题的方法 加数据 和 正则化 解决欠拟合问题的方法 增加新特征、添加多项式特征、减少正则化参数
涉及抄袭文章 深度学习相关概念过拟合与欠拟合https://blog.csdn.net/muye_IT/article/details/123627223
