西瓜书
文章平均质量分 77
子衿_青青
不闻不若闻之,闻之不若见之,见之不若知之,知之不若行之
展开
-
周志华《机器学习》版本空间
转自:https://www.zhihu.com/question/40237283/answer/92414386版本空间定义:版本空间(version space)是概念学习中与已知数据集一致的所有假设(hypothesis)的子集集合。对于二维空间中的“矩形”假设(上图),绿色加号代表正类样本,红色小圈代表负类样本。 GB 是最大泛化正假设边界转载 2017-02-18 22:26:56 · 12901 阅读 · 4 评论 -
精确率与召回率
转自:https://www.zhihu.com/question/19645541/answer/91694636纠正下,精确率(precision)和准确率(accuracy)是不一样的,题主问的应该是精确率与召回率之间的差别。一.定义辨析刚开始接触这两个概念的时候总搞混,时间一长就记不清了。实际上非常简单,精确率是针对我们预测结果而言的,它转载 2017-02-19 12:36:48 · 934 阅读 · 0 评论 -
模型评估与选择
一、经验误差与过拟合1)错误率:分类错误的样本数占样本总数的比例2)精度:精度 = 1 一 错误率3)误差:学习器的实际预测输出与样本的真实输出之间的差异4)训练误差/经验误差:学习器在训练集上的误差5)泛化误差:学习器在新样本上的误差6)过拟合:当学习器把训练样本学得"太好"了的时候,很可能巳经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质,这样原创 2017-07-27 15:55:02 · 984 阅读 · 0 评论 -
ROC和AUC介绍以及如何计算AUC
转载自:ROC和AUC以及如何计算AUCROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣,对两者的简单介绍见[这里](http://bubblexc.com/y2011/148/)。这篇博文简单介绍ROC和AUC的特点,以及更为深入地,讨论如何作出ROC曲线图以及计算AUC。#转载 2017-08-02 17:01:29 · 628 阅读 · 0 评论