背景:预估问题的一种最简单形式是二分类模型。我们考虑这样一个情况:一批样本的预测结果是0/1,我们检查计算得到样本均值是,但是样本方差离 较远。仔细检查后发现是其实样本来源于两个子集,也就是样本存在潜在的分层(A/B两个子集)。在样本(训练集上)可以找到“样本分层”的标签,但在测试集上没有办法直接观测到“样本分层”这个标签。 问题1: 对训练集建模,提出两种估计0/1分类的方式。并从Bias-Variance等角度比较模型优劣和适用范围。 问题2: 以预测为目的,测试集没有这个“样本分层”的标签,那么怎么建模? 问题3: 跳出刚才样本分层,假设模型选择DNN,我们怎么做预测(严格意义叫估计)的方差估计(除了直接计算样本方差,这样非常不准)。
区块链毕设网qklbishe.com为您提供问题的解答
背景:预估问题的一种最简单形式是二分类模型。我们考虑这样一个情况:一批样本的预测结果是0/1,我们检查计算得到样本均值是,但是样本方差离 较远。仔细检查后发现是其实样本来源于两个子集,也就是样本存在潜在的分层(A/B两个子集)。在样本(训练集上)可以找到“样本分层”的标签,但在测试集上没有办法直接观测到“样本分层”这个标签。
问题1: 对训练集建模,提出两种估计0/1分类的方式。并从Bias-Variance等角度比较模型优劣和适用范围。
问题2: 以预测为目的,测试集没有这个“样本分层”的标签,那么怎么建模?
问题3: 跳出刚才样本分层,假设模型选择DNN,我们怎么做预测(严格意义叫估计)的方差估计(除了直接计算样本方差,这样非常不准)。