样本集 编辑
机器学习的普遍任务就是从数据中学习和构建数学模型，并且能够在将来遇到的数据上进行推理。用于构建最终模型的训练集、验证集和测试集通常有多个；在构建模型的不同阶段，通常有三种数据集：训练集、验证集和测试集。
5
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
马哈拉诺比斯距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系并且是尺度无关的，即独立于测量尺度。
对于一个均值为



μ
=


T




{\displaystyle \mu =^{T}}

，协方差矩阵为



Σ


{\displaystyle \Sigma }

的多变量向量



x
=


T




{\displaystyle x=^{T}}

，其马氏距离为
马哈拉诺比斯距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系并且是尺度无关的，即独立于测量尺度。
对于一个均值为



μ
=


T




{\displaystyle \mu =^{T}}

，协方差矩阵为



Σ


{\displaystyle \Sigma }

的多变量向量



x
=


T




{\displaystyle x=^{T}}

，其马氏距离为