机器学习udacity

Question

这些代码是什么意思？

你能向我解释：

features_train, labels_train, features_test, labels_test = makeTerrainData() 
def submitAccuracy(): 
    return acc 

Answer 1

在机器学习中发展要将现有的数据拆分成火车/测试集，如果可能的附加验证集。你这样做是为了测试过度拟合，并确保你的模型可以概括为看不见的观察结果。最终的验证集通常是有用的，因为在不知道它的情况下，用户通常会试图根据测试分区的准确性来优化他们的参数，这样做基本上给了这些数据的模型提示。验证集有助于测试这没有发生，并且您的模型没有过度使用。

仅查看提供的代码，train_features可能对应于在列车分区中用于开发模型的实际数据。标签是您试图预测的类别。

测试分区只是您可用数据的随机样本。特征/标签与上述相同。

您想从训练数据中构建模型，并评估测试分区的准确性。

Sebastian Rascka提供了python中机器学习的绝妙概述。代码示例和一些解释可以在https://github.com/rasbt/python-machine-learning-book/tree/master/code