![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 86
Iris__HU
这个作者很懒,什么都没留下…
展开
-
【论文阅读】Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-Experiment Data
中心思想通过降低样本统计量的方差,增加t检验的敏感度,在使用更少的数据量,更短的A/B test时间的情况下(双总体独立样本t检验),获取更显著的结果:t=Ytˉ−Ycˉ t = \frac{\bar{Y_t} - \bar{Y_c} }{\sqrt{}}t=Ytˉ−Ycˉ...原创 2021-05-16 19:51:10 · 325 阅读 · 0 评论 -
集成学习(一):Bagging
BaggingIntroductionEnsemble LearningBagging(Bootstrap Aggregating)OverallBootstrap SamplingAggregatingAlgothim1. Bootstrap Sampling2. Model Training3. Model Foresting4. Result AggregatingAnalysisBase ClassifierBias & Variance优缺点适用场景例子:随机森林(Random Fores原创 2020-08-24 16:47:27 · 327 阅读 · 0 评论 -
决策树的三种常见算法
决策树用途&组成构造算法1. 特征选择metricID3:信息增益定义使用场景例子缺点C4.5: 信息增益比定义连续数值特征的处理(转化为二分类寻找阈值的问题)解决过拟合问题:剪枝问题CART(Classification And Regression Tree):定义使用场景后剪枝:基于代价复杂度优劣总结比较算法分析适用场景问题过拟合类别不均衡实现用途&组成决策树是一个监督学习模型,可用于分类和回归,它是一个由内节点和叶节点构成的树型结构。每个内节点对应了一个关于某种特征的测试(Dec原创 2020-08-11 18:32:35 · 16037 阅读 · 0 评论 -
从头到尾理解假设检验
p-valuet-testz-testx2x^2x2在统计学领域不是一个概念,常被混用。1. 显著性检验是费希尔提出的。目前使用的多种显著性检验方法都可以在其专著《研究工作者的统计方法》中找到。其中的核心概念是p值(判断显著性的概率),通过显著性检验可以获得三个结论:p小于通常0.01,宣布检验出一个影响因素;p大于通常0.2,影响因素即使存在也微小,不能通过当前实验检测出来;p介于两者之间,需进一步设计实验验证。当然,任何统计方法几乎都有不适用的情况。2. 假设检验是内曼-皮尔逊提出的。内曼认为,原创 2020-06-22 17:41:36 · 2781 阅读 · 0 评论 -
ROC曲线与PR曲线的关系
ROC曲线与PR曲线的关系简介ROC曲线在正负样本不平衡时,Acurracy常常不能很好地反映模型的真实分类能力,而此时ROC曲线的AUC经常被来评价模型的效果。因为ROC曲线关注的是TPR(y轴;有多少比例的正样本被识别出来)和FPR(x轴;有多少比例的负样本被错误识别成正样本),因此正负样本的相对大小不会影响这两个指标。相当于把TP用正样本总数归一化,把FP用负样本总数归一化,再看阈值对...原创 2020-03-09 16:23:11 · 1164 阅读 · 0 评论