python-3.x - 使用 Azure 机器学习与 Python 的过度拟合/欠拟合机器学习模型

Question

我正在学习如何使用 Azure ML Studio 执行机器学习。目前，我只尝试过使用 Python 进行机器学习。

我使用 Azure ML 和 Python 运行了相同的机器学习项目，以查看每个产品的结果与均方根误差 (RMSE) 的接近程度。到目前为止，Azure ML 和 Python 的 RMSE 有很大不同。

我不明白为什么 RMSE 相差这么远。我能想到的唯一原因是 Python 在训练数据上“拟合”模型的方式。 Python使用以下代码来拟合训练数据

lr = LinearRegression(labelCol='xxxx')
lrModel = lr.fit(train_data)

但是，我不知道 Azure ML 如何拟合训练数据。

有人可以告诉我 Azure ML 如何完成训练数据拟合吗？

Answer 1

我猜你可能使用 RMSE = √( 1/n Σ (y_i - pred_i)^2 ) 来计算 python 中的 RMSE，其中 y 是真实标签，pred 是线性回归中的预测标签？

我可以想象 Azure 使用稍微不同的术语，即 RSE = √( 1/(n-2) Σ (y_i - pred_i)^2 )，其中使用贝塞尔校正项 1/(n-2)反而。用于校正拟合2个参数的偏差(假设线性回归仅拟合斜率和截距，否则1/(n-k)是在多元线性回归中拟合k个参数时的贝塞尔校正)

尝试一下!然而，我无法解释为什么 python 和 Azure 之间的差异如此之大，因为贝塞尔校正项应该只会产生很小的差异。