课后习题作业

习题 2-1 分析为什么平方损失函数不适用于分类问题 , 交叉熵损失函数不适用于回归问题.

习题 2-12 对于一个三分类问题 ， 数据集的真实标签和模型的预测标签如下 ：

 

分别计算模型的精确率、召回率、F1值以及它们的宏平均和微平均．  

格式要求：使用公式编辑器，在博客上正确书写公式。

习题2-1

解:

平方损失函数

交叉熵损失函数:

平方损失函数:假设误差是正态分布，适用于线性的输出（如回归问题），特点是对于与真实结果差别越大，则惩罚力度越大，这并不适用于分类问题。

交叉熵损失: 假设误差是二值分析，可以视为预测概率分布和真实概率分布的相似程度，在分类问题中有良好应用。

习题2-12

引入真正例、假正例、假反例、真反例的概念

 精确率（查准率）

 

 

 

召回率（查全率）

 

 

 

 F值（综合评价指标）： F值是精确率和召回率的加权调和平均。

令参数α=1时，

 

 

宏平均：

宏查准率:

宏查全率：

 

 

微平均：