1. 机器学习概述
分类：
2. 数据预处理
2.1预处理原则：
- 删除无信息量的特征：指删除与任务无关的特征
- 平衡数据保证：每一类别数据的个数都差不多
- 补全缺失数据
- 删除野值野值：与同类别其他数据的分布规律不一致的数据
- 非数值数据转换为数值数据：机器学习模型只能处理数值型数据
如：Yes = 1, No = 0 - 数据归一化：保证每个数据的特征数值大小都差不多
2.2 数据划分
- 70% 训练数据 Training Data
用于训练模型，调整模型参数 - 20% 测试数据 Testing Data
用于测试模型性能 - 10% 验证数据 Validation Data
用于确定模型的超参数（hyper-parameters）
3. 特征工程
特征选择
特征提取
4. 模型评价
简单来说，模型评价就是对模型给出的判断结果进行事实判定。一般认定数据为二分类（0或1；真或假），模型给出的结果与事实相符或不符即可表明模型的好坏——也就是模型评价。
实际结果：True / False
预测结果：Positive / Negative
TP：真实类别为真，评价为真
FP：真实类别为假，评价为真
TN：真实类别为真，评价为假
FN：真实类别为假，评价为假
准确率 Accuracy：
T
P
+
T
N
T
P
+
T
N
+
F
P
+
F
N
\frac{TP+TN}{TP+TN+FP+FN}
TP+TN+FP+FNTP+TN 表明模型整体的判断能力好坏
召回率 Recall (Sensitivity)：
T
P
T
P
+
F
N
\frac{TP}{TP+FN}
TP+FNTP
特异度 Specificity：
T
N
F
P
+
T
N
\frac{TN}{FP+TN}
FP+TNTN
精度Precision：
T
P
+
T
N
T
P
+
F
P
\frac{TP+TN}{TP+FP}
TP+FPTP+TN
F1值 =
2
∗
P
r
e
c
i
s
i
o
n
∗
R
e
c
a
l
l
P
r
e
c
i
s
i
o
n
+
R
e
c
a
l
l
2 *\frac{Precision*Recall}{Precision+Recall}
2∗Precision+RecallPrecision∗Recall
ROC（Region Under the Curve）线下区域
AOC（Area Under the Curve）线下区域面积
39
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
