zoukankan      html  css  js  c++  java
  • 机器学习概念

    1、分类:具有类别标签,将数据集根据分到相应的类别

         聚类:没有类别标签,将数据集根据他们的相似度分为不同的簇
    2、监督学习:用于学习的数据集都是输入输出数据对,学习的任务是找到输入与输出的对应规则
         非监督学习:用于学习的数据集只有输入,学习的任务是对于数据进行分析,找到输出
    3、分类与回归:
         分类:y是离散的,仅有几个值
         回归:y是连续的
    4、分类性能度量指标
    (1)错误率:在所有的测试样例中,被错分的样例所占的比例
            缺点:并不能很好的表达样例如何被分错
    (2)混淆矩阵
        预测结果
        +1   -1  
    真实结果 +1   真正例(TP) 伪反例(FN)
    -1 伪正例(FP)

    真反例(TN)

     
     
     
     
     
     
     
    正确率(precision)=TP/(TP+FP):预测为正例的样本中的真正正例的比例
    召回率(Recall)=TP/(TP+FN):预测的正实例占所有正实例的比例,又称为真正类率(True Positive Rate)(TPR)-----敏感度
    负正类率(False Positive Rate)(FPR)=FP/(FP+TN):错认为正类的负实例占所有负实例的比例
    真负类率(TNR)=TN/(TN+FP)=1-FPR---->特异度
    (3)ROC曲线:真值覆盖程度
    (待截图)
  • 相关阅读:
    XCode Playground Overview
    Swift开发学习(二):Playground
    swift网址
    swift关于is和as的解释
    Swift之 ? 和 !
    Swift 学习之二十一:?和 !(详解)
    Swift学习三
    Makefile project
    20171110面试笔记 服务器端程序员+C/C++开发
    关键字
  • 原文地址:https://www.cnblogs.com/naonaoling/p/4181495.html
Copyright © 2011-2022 走看看