數(shù)據(jù)挖掘講座 Classification：Model Overfittingand Classifier Evaluation_圖文_第1頁
數(shù)據(jù)挖掘講座 Classification：Model Overfittingand Classifier Evaluation_圖文_第2頁
數(shù)據(jù)挖掘講座 Classification：Model Overfittingand Classifier Evaluation_圖文_第3頁
數(shù)據(jù)挖掘講座 Classification：Model Overfittingand Classifier Evaluation_圖文_第4頁
數(shù)據(jù)挖掘講座 Classification：Model Overfittingand Classifier Evaluation_圖文_第5頁
已閱讀5頁，還剩16頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、 Comparing Performance of 2 Models: Independent Test Sets q To test if performance difference is statistically significant: d = e1 e2 - d N(dt,t where dt is the true difference - Since D1, D2 are independent, their variance adds up: = + + 2 2 2 2 t 1 2 1 2 2 e1(1 e1 e2(1 e2 = + n1 n2 - At (1- confid

2、ence level, d =d ±Z t /2 t 41 An Illustrative Example q Given: M1: n1 = 30, e1 = 0.15 M2: n2 = 5000, e2 = 0.25 d = |e2 e1| = 0.1 (2-sided test q 0.15(1 0.15 0.25(1 0.25 + = 0.0043 = 30 5000 d q At 95% confidence level, Z/2=1.96 d = 0.100 ± 1.96 × 0.0043 = 0.100 ± 0.128 t => In

3、terval contains 0 => difference may not be statistically significant 42 Comparing Performance of 2 Classifiers: Same Test Sets with CV q Each learning algorithm may produce k models: - L1 may produce M11 , M12, , M1k - L2 may produce M21 , M22, , M2k If models are generated on the same test sets D1,D2, , Dk (e.g., via cross-validation - For each set: compute dj = e1j e2j - dj has mean dt and variance t k 2 - Estimate: q = 2 t t (d j j

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論