1. 模型评估
本章主要讲如何测量一个模型，当模型已经训练好时
1. 模型指标
- 在监督学习中，损失通常用作衡量模型质量的指标。
- 还有其他各种指标：
- 模型相关的指标：分类问题评估精度，目标检测问题评估mAP
- 业务相关指标：营业收入、延迟
- 通常根据多个指标选择模型
1.1 举例广告投放
1.2 常见分类问题的指标
1.2.1 准确度Accuracy = 正确预测样本大小/样本大小
- 样本中正确预测的比例
1.2.2 精度Precision = 预测正确为类i的个数/我预测成类i的样本的个数
1.2.3 召回率Recall = 预测正确为类i的样本个数/类i的样本个数
1.2.4 F1：做调和平均 2pr/（p+r）
- 用于平衡精度和召回率
1.3 AUC & ROC
- x轴分子：预测成负例但实际是正的，x轴分母：负例样本个数
- y轴分子：预测成正例实际也是正的，y轴分母：正例样本个数
- 模型每次选择不同的
，如果
被预测为正例，否则为负例
- 不断的选取
1.3.1 AUC好坏（AUC 0.5是最糟糕，1是最高，我们需要把AUC从0.5优化到1）
- 图1显示正反例可以完全分离
- 图2展示了一些不太容易区分的正反例子
- 图 3 显示正反例是完全整合的，是随机的
- 图 4 显示了正面和负面的例子是相反的。
1.4 商业指标，以广告投放为例（提高收入、增加用户体验）
- 延迟
- 每页显示的平均广告数
- 广告点击率
- 每个广告的点击价格
2. 过拟合和欠拟合
- 欠拟合：训练误差和泛化误差都很高
- 过拟合：低训练误差，高泛化误差
2.1 训练和泛化误差
2.1.1 训练误差：在训练数据上看到的模型误差
2.1.2 泛化误差：在新的数据上的模型误差
- 训练误差低并不意味着泛化误差也会降低（过去的好成绩不代表未来的好成绩）
2.2 数据和模型的复杂度
2.2.1 模型复杂度：能够去拟合各种各样的函数的能力
- 比较不同的算法更加困难
- eg：树 vs 神经网络
- 在类似的模型中，可以进行相对比较
- 可学习参数个数，树的层数，隐藏层数
- 参数可以取多少个值，取值有没有限制（正则化）
2.2.2 模型复杂度的影响
2.2.3 数据复杂度：信息量的多少
- 影响因素：样本个数、每个样本的元素、时间/空间结构、样本多样性
- 不同的数据很难进行比较，eg：图片和文本进行比较
2.3 模型复杂度 vs 数据复杂度
- 给定一个简单模型（线性模型），增加数据复杂度，模型会从overfitting->underfitting，当再往后增加数据复杂度，泛化误差不再继续降低了
- 这时，需要更换一个复杂的模型（深度神经网络）。当数据不复杂时，简单模型的泛化误差小于复杂模型的泛化误差。当数据复杂度达到一定程度时，复杂模型的泛化误差逐渐减小。
- 结论：在工业界，当数据比较少的时候，先从简单的模型开始。当数据复杂，模型不够好时，换成复杂模型。即所选模型的复杂度应与数据的复杂度相匹配，避免过拟合和欠拟合。
3. 模型验证
3.1 估计泛化误差
- 测试数据集：只能使用一次
- 验证数据集：可多次使用
- 是训练数据集的一部分
- 通常是测试集，实际上是指验证集
3.2 生成验证数据集
3.2.1 把样本数据随机的分成训练和验证集（验证集误差近似作为泛化误差）
3.2.2 随机的选取%n样本作为验证集（n=50，40，30，20，10）
3.2.3 不是独立同分布的数据拆分（训练集和验证集）
- 不能随机拆分数据
- 包含时间序列信息：房屋销售、股票价格
- 验证集需要在训练集之后
- 样本可能属于多个分组：eg，人脸图片
- 此时需要分组而不是随机分组
- 数据不平衡（有的类多，有的类少）
- 具有更多类的样本被更多地采样
3.2.4 K折交叉验证（数据不够多的时候）
- 算法流程
- 把训练机数据切成K块
- 每一次，把第i个块拿出来作为验证集，剩下的做训练集
- 最后把k个块的平均误差作为结果
- K取值：5，10，数据越少k取越大
3.3 常见错误
- 90%的超级好的结果是由于Bug造成的，最可能的原因是由于验证集被污染了
3.3.1 验证集有来自于训练集的样本
- 原始数据集样本重复
- 数据合并时经常发生
3.3.2 信息泄漏
- 常发生于非独立同分布（IID）的数据，验证集中的数据已经在训练集中出现过了
- eg：用未来预测过去
文章出处登录后可见！
已经登录？立即刷新
