【西瓜书阅读笔记】02模型评估与选择：一个训练集多种算法 + 多种训练集一种算法

最新推荐文章于 2021-12-31 10:45:42 发布

Checkmate9949

最新推荐文章于 2021-12-31 10:45:42 发布

阅读量284

点赞数

分类专栏：机器学习西瓜书文章标签：算法机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Checkmate9949/article/details/119959697

版权

本文深入探讨了模型评估的重要指标，包括P-R曲线的比较，介绍了如何通过F1分数和F_beta衡量模型性能。同时，详细阐述了ROC曲线及其AUC概念，解释了TPR和FPR的关系，并展示了AUC与Loss_rank之间的联系。此外，还讨论了在多种训练集下，如何利用代价敏感错误率和代价敏感曲线选择最优模型，强调了归一化的重要性。最后，提到了偏差与方差在模型性能中的作用，分析了偏差-方差窘境。

摘要由CSDN通过智能技术生成

一、P-R曲线

1、比较多个P-R曲线

（1）ABC三个模型: B>C; A和B难以确定；

（2）AB算法的比较

1) 比较AB的面积，但难以测量；

2) F1;

3) F_beta;

【西瓜书阅读笔记】02模型评估与选择：一个训练集一种算法_Checkmate9949的博客-CSDN博客

二、ROC与AUC

1、ROC: Receiver Operating Characteristics

(1) TPR: True positive rate

$TPR=\frac{TP}{TP+FN}$

(2) FPR: False positive rate

$FPR=\frac{FP}{TN+FP}$

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。