说说那些机器学习中的性能度量方式

最新推荐文章于 2020-11-22 10:45:36 发布

夜晓楼

最新推荐文章于 2020-11-22 10:45:36 发布

阅读量1.8k

点赞数 1

分类专栏： Python

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/a1628864705/article/details/56496724

版权

本文探讨了机器学习中的性能度量，重点在回归问题中的最小均方误差和分类问题中的准确率、召回率及F1度量，并提及了ROC和AUC的重要性。

摘要由CSDN通过智能技术生成

说说那些机器学习中的性能度量方式

主要分为两类问题
- * 分类问题 *
- * 回归问题 *

一、回归问题

在回归问题中，最常用的性能度量方式是：最小均方误差
$1 m s u m n i = 0 (f (x i) - y i$

最低0.47元/天解锁文章

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
说说那些机器学习中的性能度量方式

说说那些机器学习中的性能度量方式主要分为两类问题 - * 分类问题 * - * 回归问题 *一、回归问题在回归问题中，最常用的性能度量方式是：最小均方误差 1msumni=0(f(xi)−yi)2\ \frac{1}{m}sum_{i=0}^n(f(x_i)-y_i)^2 更一般的，对于数据集D 和概率密度p ，均方误差可以描述为： 1m∫i−D(f(x)−y)2p(x)\ \fr
复制链接

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。