机器学习
文章平均质量分 89
机器学习算法及项目
CANDY_J
这个作者很懒,什么都没留下…
展开
-
模型评价:混淆矩阵、准确率、查准率和召回率
1.混淆矩阵对于二分类模型,预测结果为正类或者负类。结合样本的真实类别,可以得到如下的混淆矩阵预测为正类预测为负类实际为正类TPFN实际为负类FPTN其中TP、FP、TN、FN分别由T、F、P、N四个字母组合而成,含义见下表缩写全称含义TTrue表示分类正确FFalse表示分类错误PPositive表示正类NNegative表示负类TPTrue Positive表示真实类别为正类,分类结果也是正原创 2021-02-21 10:34:31 · 3217 阅读 · 0 评论 -
朴素贝叶斯算法
1.基本思想贝叶斯分类算法是统计学的一种概率分类方法,朴素贝叶斯分类是贝叶斯分类中最简单的一种。其分类原理就是利用贝叶斯公式根据某特征的先验概率计算出其后验概率,然后选择具有最大后验概率的类作为该特征所属的类。它主要的思想就是假设:所有的特征之间是条件独立的,这样就简化了运算。所谓的“所有特征之间是条件独立的”是指:假设某个样本有x1,x2,…,xn个特征,如果有:P(X)=P(x1,x2,...,xn)=P(x1)∗P(x2)∗...∗P(xn)P(X) = P(x_1,x_2,...,x_n) =原创 2021-02-14 16:24:16 · 1772 阅读 · 0 评论