首页 > 试题广场 >

假如你用logistic Regression 算法去预测用

[不定项选择题]
假如你用logistic Regression 算法去预测用户在网上的购买项目,然而,当你在新的用户集上验证你的假设时,你发现预测值有很大的偏差。并且你的假设在训练集上表现也很差,下面那些步骤你应该采纳,选择出正确的选项()
  • 尝试着减小正则项 λ
  • 尝试增加交叉特征
  • 减小样本量
  • 尝试更小的测试集或者特征

很明显符合欠拟合的情况

降低“欠拟合”凤险的方法:

( 1 )添加新特征。当特征不足或者现奇特征与样本标签的相关性不强时3模型容易出现欠拟合。通过挖掘“上下文特征”“ID类特征”“组合特征”等新的特征,往往能够取得更好的效果。在深度学习潮流中,有很多模型可以帮助完成特征工程,如因子分解机、梯度提升决策树、Deep-crossing等都可以成为丰富特征的方法。

( 2)增加模型复杂度。简单模型的学习能力较差,通过增加模型的复杂度可以便模型拥高更强的拟合能力。例如,在统性模型中添加高次I页,在神经网络模型中增加网络层数或神经元个数等。

( 3 )减小正则化系数。正则化是用来防止过拟台的,但当模型出现欠拟合现象时,则需要高针对性地减小正则化系数。

发表于 2020-03-04 20:43:39 回复(0)
欠拟合:训练误差和验证误差都很大。
解决:增加特征项;增加模型复杂度,如使用核函数;减小正则化系数;集成学习方法。

发表于 2020-10-07 15:26:42 回复(0)
欠拟合
发表于 2019-08-26 19:34:34 回复(0)
D是因为不能减小测试集吗?
发表于 2019-09-05 20:49:42 回复(1)
欠拟合?
发表于 2019-08-24 11:24:13 回复(0)
欠拟合,尝试减小正则项和增加交叉特征
发表于 2022-08-27 21:06:42 回复(0)
这说明,自己训练的这个模型存在着欠拟合的情况,可以通过增加特征,增加训练数据,通过减小正则化系数,可以有效地防止欠拟合。
发表于 2020-07-24 19:50:51 回复(0)