Level3 — PART 4 — 机器学习算法 — 模型评估

已于 2024-09-18 09:41:03 修改
阅读量83 收藏
点赞数
分类专栏： 数据分析CDA Level 2 & 3 自然语言处理&大模型 机器学习&大模型 文章标签： 模型评估 ROC 分类模型评估 聚类模型评估 回归模型评估
于 2024-08-29 11:48:38 首次发布
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/L_15156024189/article/details/141671660
版权
机器学习&大模型 同时被 3 个专栏收录
77 篇文章 6 订阅 ¥99.90 ¥299.90
订阅专栏
数据分析CDA Level 2 & 3
49 篇文章 6 订阅 ¥99.90 ¥299.90
订阅专栏
自然语言处理&大模型
49 篇文章 3 订阅 ¥99.90 ¥299.90
订阅专栏

目录

分类模型评估

聚类模型评估

回归模型评估

平均绝对值误差

均方误差

均方根误差

R平方值

模拟题

CDA LEVEL III 模拟题（一）

CDA LEVEL III 模拟题（二） 

分类模型评估

        分类模型评估参见如下文章：

第7章-使用统计方法进行变量有效性测试-7.5.4-模型评估-CSDN博客

聚类模型评估

        聚类模型评估参加如下文章：

第9章-用户分群方法-聚类评估指标-CSDN博客

回归模型评估

        回归模型评估有如下指标：

平均绝对值误差

        平方绝对值误差（Mean Absolute Error&#

了解本专栏 订阅专栏 解锁全文
ErbaoLiu
关注
专栏目录
订阅专栏
Level3 — PART 4 机器学习算法 — 集成学习
L
09-02 198
集成学习（Ensemble Learning）作为一种流行的机器学习，它通过在数据集上构建多个模型，并集成所有模型的分析预测结果。常见的集成学习算法包括：随机森林、梯度提升树、XGBoost等。集成学习的目标：通过考虑多个评估器的预测分析结果，汇总后得到一个综合的结果，以达到比单个模型更好的回归/分类性能的结果。多个模型集成的模型叫做集成评估器(ensemble estimator)，其中的每个模型叫做基评估器(base estimator)。
【详解】机器学习算法详解
LeeZhao的博客
05-19 3940
1 机器学习算法原理介绍 判别模型(discriminative model) 已知输入变量x，通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。 例如： 线性回归（Linear Regression） 逻辑回归（Logistic Regression） 支持向量机（SVM） 传统神经网络（Traditional Neural Networks） 线性判别分析（Linear Discriminative Analysis） 条件随机场（Conditional Random Field）
02_机器学习算法_基于XGBoost的分类预测
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
05-01 1366
XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。
机器学习与人脸识别3：人脸检测算法综述
cyf15238622067的博客
01-18 4406
以下内容转自网络，主要介绍人脸算法的历史： 导言 人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一，它在安防监控，人证比对，人机交互，社交和娱乐等方面有很强的应用价值，也是整个人脸识别算法的第一步。在本文中，将回顾人脸检测算法的整个发展历史。 ...
最常用的9个机器学习算法，解决99%的业务问题！
Python数据之道
09-15 994
对于了解机器学习的人来说，数据挖掘无疑是一个范围更大且钱力无限的方向。但随着这两年越来越多的有IT编程经验的职场老鸟转行到数据分析大赛道，企业对人才的要求也越来越高了。前一阵，广大码农们被...
机器学习之集成树模型
qq_40216188的博客
05-13 1714
集成学习之树模型一级目录二级目录三级目录 本文主要介绍GBDT、XGBoost、LightGBM和CatBoost为代表的Boosting算法原理、使用方法和调参方式进行介绍。 一级目录 二级目录 三级目录
机器学习算法（二）: 基于XGBoost的分类预测
GlassySky的博客
08-08 1795
1.XGBoost的介绍 XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。 更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost提供的可扩展性，可移.
《机器学习算法竞赛实战》整理 | 八、实战案例：Elo Merchant Category Recommendation
qq_37039382的博客
05-09 1956
前言 比赛链接： https://www.kaggle.com/competitions/elo-merchant-category-recommendation/overview 8.1 赛题理解 8.1.1 赛题背景 想象一下，当你在一个不熟悉的地方饿着肚子想要找好吃的东西时，你是不是会得到基于你的个人喜好而被专属推荐的餐馆，且该推荐还附带着你的信用卡提供商为你提供的附近餐馆的折扣信息。 目前，巴西最大的支付品牌之一Elo已经与商家建立了合作关系，...
[学习笔记]机器学习——算法及模型（六）：Catboost
xyz的博客
05-23 1万+
CatboostCatboost是什么？Catboost 的原理类别型特征Greedy TS特征组合解决预测偏移 Catboost是什么？ CatBoost是俄罗斯的搜索巨头Yandex在2017年开源的机器学习库，是Categorical Features(类别型特征)+Gradient Boosting(梯度提升) ，也是基于梯度提升决策树的机器学习框架。 大多数流行的梯度提升算法利用决策树作...
机器学习算法（六）: 基于XGBoost的分类预测(基于天气数据集的XGBoost分类实战)
jianhunhenbaqi的博客
03-02 9969
机器学习算法（六）: 基于XGBoost的分类预测 1. 实验室介绍 1.1 XGBoost的介绍 XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。 更重要的是，XGBoost在系统优化和机器学习原理方面
Level3 — PART 4 机器学习算法 — 朴素贝叶斯
L
08-24 419
贝叶斯定理由英国数学家发展，用来描述两个条件概率之间的关系，比如和和是两个随机事件。按照乘法法则，可以立刻导出：其中表示随机事件和随机事件同时发生的概率，表示在事件发生的情况下，事件发生的概率，类似地，表示在事件发生的情况下，事件发生的概率。
Level3 — PART 4 机器学习算法 — 决策树
L
08-27 261
决策树主要由节点和有向边构成，节点主要分为和（1）根结点（root node）：没有入边，但有零条或多条出边（2）内部结点（internal node）：恰有一条入边和 两条或多条出边（3）叶结点（leaf node）：恰有一条入边，无出边。如图：虽然在一些资料中提到外部节点，但在决策树的基本构成中，外部节点并不是一个独立的节点类型。通常，叶节点已经涵盖了外部节点的概念，即它们是决策树的最终输出点。决策树既可以用来解决分类问题，也可以用来解决回归问题，通常分为和。
Level3 — PART 4 — 机器学习算法 — 序列模式
最新发布
L
08-29 71
在关联规则挖掘中，更关注项集和项集（或两个项）同时出现的关系，而忽略了数据中的序列信息，例如时间、空间等。序列模式挖掘（sequence pattern mining）最早是由Agrawal和Srikant提出的，它在关联规则基础之上，挖掘相对时间（空间）或其他模式出现频率高的模式，典型的应用还是限于离散型的序列。
线性回归之总离差平方和=回归平方和+残差平方和（TSS = ESS + RSS）及证明
热门推荐
L
03-10 2万+
缩写解释： 1、TSS 英文全称：Total Sum of Squares， 中文全称：总离差平方和，或者总平方和 2、ESS Explained Sum of Squares 3、RSS Residual Sum of Squares ...
长短期记忆网络（LSTM）理解
L
03-31 5632
长短期记忆网络（Long Short Term Memory Network）是建立在RNN基础之上的，理解RNN有助于理解LSTM网络，建议读者阅读。
隐马尔可夫模型（HMM）——从理论证明、算法实现到实际应用
L
03-16 4995
实心圆之间的箭头，表示隐状态转移，比如图中的红色箭头，表示t-1时刻状态Y1，在t时刻转移为状态Y2。（1）对于时刻t=1，也就是第一天，可能的状态为{下雨，晴天}，小宝第一天选择的是郊游，另外，从Start开始只有一条路径到达晴天，所以。的位置上，因为隐状态的初始分布式是已知的，而且隐状态到观测状态的概率也是已知的，所以此时你可沿着箭头方向向下走一步生成观测值。现在固定t时刻的状态，假设为。(下雨)=P(x1=郊游，y1=下雨)=P(x1=郊游|y1=下雨)P(y1=下雨)=0.1*0.6=0.06。
Spark MLlib中协同过滤之交替最小二乘法ALS原理与实践
L
08-16 4942
请先阅读leboop发布的博文《Apache Mahout之协同过滤原理与实践》。 基于用户和物品的协同过滤推荐都是建立在一个用户-物品评分矩阵（user-item-score）展开的，其本质是利用现有数据填充矩阵的缺失项（missing entries），也就是预测评分。基于用户的协同过滤通过该评分矩阵来度量用户间的相似度（余弦相似度，距离相似度，皮尔森相似度...
机器学习之支持向量机SVM（完整版）
L
12-20 3854
目录 1 支持向量机简介 2 线性可分支持向量机 2.1 什么是线性可分 2.2 什么是几何间隔 2.3 最大几何间隔分离超平面 2.4 支持向量和最大几何间隔 3 线性支持向量机 3.1 支持向量 4 KKT条件和对偶问题 4.1 线性可分支持向量机 4.2 线性支持向量机 5 非线性支持向量机 5.1 非线性分类问题...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ErbaoLiu

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值