1、机器学习的模型评估与选择泛化误差 vs 经验误差v泛化误差：在“未来”样本上的误差v经验误差：在训练集上的误差，亦称“训练误差”训练数据模型新样本数据新样本属于什么类别？过拟合 vs 欠拟合模型选择v三个关键问题：如何获得测试结果 评估方法如何评估性能优劣 性能度量如何判断实质差别 比较检验评估方法v关键：怎么获得“测试集”？原则：测试集与训练集“互斥”v常见方法：留出法（hold-out）交叉验证法（cross validation）自助法（bootstrap）留出法v保持数据分布一致性（例如：分层采样）v多次重复划分（例如：100次随机划分）v测试集不能太大、不能太小（例如：1/51/3）
2、K-折交叉验证法当K=m时，则得到“留一法”（leave-one-out, LOO）自助法v基于“自助采样”（bootstrap sampling）Pull up by your own bootstraps有放回采样、可重复采样训练集与原样本集同规模数据分布有所改变约有36.8%的样本不出现包外估计：out-of-bag estimation模型选择 三个关键问题： 如何获得测试结果 评估方法 如何评估性能优劣 性能度量 如何判断实质差别 比较检验性能度量v性能度量（performance measure）是衡量模型泛化能力的评价标准，反映了任务需求v使用不同的性能度量往往会导致不同的评判结
3、果v什么样的模型是“好”的，不仅取决于算法和数据，还取决于任务需求。性能度量v回归任务v分类任务错误率与精度查准率、查全率与F1回归模型评估有三种方法，分别是：平均绝对值误差、均方误差和R平方值（1）平均绝对误差（MAE）就是指预测值与真实值之间平均相差多大（2）均方误差是指参数估计值与参数真值之差平方的期望值，记为MSE。值越小，说明预测模型描述实验数据具有更好的精确度。（3）R平方值，表征回归方程在多大程度上解释了因变量的变化，或者说方程对观测值的拟合程度如何性能度量错误率与精度v错误率v精度E(f;D)=1mI(f(xi)yi)i=1macc(f;D)=1mI(f(xi)=yi)=1-E
4、(f;D)i=1m性能度量查准率与查全率v查准率：precision，准确率，P预测结果中是正例的比率v查全率：recall，sensitivity, 召回率， R所有的正例中被正确预测出的比列P=TPTP+FpR=TPTP+FNTrue Positive Rate, TPR, (Sensitivity)True Negative Rate, TNR, (Specificity)Positive Predictive Value, PPVFalse Positive Rate, FPRFalse Negative Rate, FNRFalse Discovery Rate, FDRPR图：学习
5、器A优于学习器C学习器B优于学习器C学习器A？学习器B平衡点 (BEP)（Break-Even Point, ）学习器A优于学习器B学习器A优于学习器C学习器B优于学习器C性能度量F1度量性能度量ROC与AUChttps:/ Boosting个体学习器间不存在强依赖关系，可同时生成的并行化方法：Bagging and Random Forest集成学习随机森林 Bagging 策略 bootstrap aggregation 从样本集中重采样(有重复的)选出n个样本 在所有属性上，对这n个样本建立分类器(ID3、C4.5、CART、SVM、Logistic回归等) 重复以上两步m次，即获得了m个分类器 将数据放在这m个分类器上，最后根据这m个分类器的投票结果，决定数据属于哪一类 随机森林在bagging基础上做了修改。 从样本集中用Bootstrap采样选出n个样本； 从所有属性中随机选择k个属性，选择最佳分割属性作为节点建立CART决策树； 重复以上两步m次，即建立了m棵CART决策树 这m个CART形成随机森林，通过投票表决结果，决定数据属于哪一类投票机制 简单投票机制 一票否决(一致表决) 少数服从多数 有效多数(加权) 阈值表决 贝叶斯投票机制v但也可以使用SVM、Logistic回归等其他分类器，习惯上，这些分类器组成的“总分类器”，仍然叫做随机森林。
