![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
倔强超
这个作者很懒,什么都没留下…
展开
-
全面梳理:准确率,精确率,召回率,查准率,查全率,假阳性,真阳性,PRC,ROC,AUC,F1
二分类问题的结果有四种:逻辑在于,你的预测是positive-1和negative-0,true和false描述你本次预测的对错true positive-TP:预测为1,预测正确即实际1false positive-FP:预测为1,预测错误即实际0true negative-TN:预测为0,预测正确即实际0false negative-FN:预测为0,预测错误即实际...转载 2019-04-14 21:40:26 · 7188 阅读 · 0 评论 -
机器学习优化算法中梯度下降,牛顿法和拟牛顿法的优缺点详细介绍
1、梯度下降法梯度下降法实现简单,当目标函数是凸函数时,梯度下降法的解是全局解。一般情况下,其解不保证是全局最优解,梯度下降法的速度也未必是最快的。梯度下降法的优化思想:用当前位置负梯度方向作为搜索方向,因为该方向为当前位置的最快下降方向,所以也被称为是”最速下降法“。最速下降法越接近目标值,步长越小,前进越慢。缺点:靠近极小值时收敛速度减慢,求解需要很多次的迭代;直线搜...转载 2019-08-12 09:30:42 · 12827 阅读 · 0 评论