西瓜书+南瓜书第一二章阅读笔记
文章目录
一、第一章 绪论
主要是介绍一些基本术语和机器学习的发展历程,此处不作详细叙述。
二、第二章 模型评估与选择
2.1 评估方法
2.1.1 留出法(hold-out)
“留出法”(hold-out)直接将数据集D或分为两个互斥的集合,其中一个集合作为训练集S,另一个作为测试集T。在S上训练出模型后,用T来评估其测试误差,作为泛化误差的估计。
2.1.2 k折交叉验证法(k-fold cross validation)
“交叉验证法”(cross validation)先将数据集D划分为k个大小相似的互斥子集。每个子集Di都尽可能保持数据分布的一致性,即从D中通过分层采样得到。然后,每次用k-1个子集的并集作为训练集,余下的那个子集作为测试集;这样就可以获得k组训练/测试集。从而可进行k次训练和测试,最终返回的是这k个测试结果的均值。
2.2 性能度量(performance measure)
常用的性能度量有错误率、精度、查准率、查全率、F1、ROC和AUC。
2.2.1 错误率(error rate)
如果在m个样本中有a个样本分类错误,则错误率
E
=
a
m
E=\frac{a}{m}
E=ma
2.2.2 精度(accuracy)
精度 = 1 − 错误率 精度=1-错误率 精度=1−错误率
2.2.3 查准率、查全率和F1
对于二分类问题,可将样例根据其真实类别与学习器预测类别的组合划分为真正例(true positive)、假正例(false positive)、正反例(true negative)、假反例(false negative)四种情况,令TP、FP、TN、FN分别表示其对应的样例数,则显然有TP+FP+TN+FN=样例总数。
查准率P:被学习器预测为正例的样例中有多大比例是真正例。
P
=
T
P
T
P
+
F
P
P=\frac{TP}{TP+FP}
P=TP+FPTP
查全率R:所有正例当中有多大比例被学习器预测为正例。
R
=
T
P
T
P
+
F
N
R=\frac{TP}{TP+FN}
R=TP+FNTP
F1:F1是基于查准率与查全率的调和平均(harmonic mean)定义的:
1
F
1
=
1
2
×
(
1
P
+
1
R
)
\frac{1}{F_1}=\frac{1}{2}\times (\frac{1}{P}+\frac{1}{R})
F11=21×(P1+R1)
参考
周志华《机器学习》
谢文睿、秦州《机器学习公式详解》