![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 92
etherreal1
这个作者很懒,什么都没留下…
展开
-
机器学习--模型评估
观察A, B, C三个学习器的P-R曲线,A的曲线将C的曲线完全包住,因此,可以断定A的性能优于C。但A和B的曲线发生了交叉,进而使用***BEP(平衡点:即P=R时的点)***判断,由图可知,A的BEP点高于B的BEP点,因此,可以认为A的性能优于B。作图方法:预测每个样本为正例的概率,将其从大到小排序。将FPR作为横轴,TPR作为纵轴,即可得到ROC曲线,AUC(Area Under Curve)为ROC曲线与坐标轴所包围的面积。定义:实际为正类的样本中,有多少比例被预测为正类(被找了出来)原创 2024-03-05 16:41:50 · 864 阅读 · 0 评论 -
机器学习--绪论
属性张成的空间,可以将上述五个特征:“SepalLength”, “SepalWidth”, “PetalLength”, “PetalWidth”, "Species"作为五个坐标轴,则它们张成一个用于描述鸢尾花的五维空间,每个鸢尾花都能在这个空间中找到自己的坐标位置,如:0号鸢尾花的坐标位置为(6.4, 2.8, 5.6, 2.2, 2)属性空间的每一个点都对应一个坐标向量,这个坐标向量就被称为特征向量,如:0号鸢尾花实体对应的特征向量就是(6.4, 2.8, 5.6, 2.2, 2)原创 2024-03-03 18:52:34 · 948 阅读 · 0 评论