机器学习与人工智能 R语言

1：监督学习评价

（1）评价点： 准确度
（2）方法： n折交叉验证法

将数据分成大小相同的n组，第一次选择第一组为验证集另外n-1组为训练组，计算得到第一次的准确度。循环n次，选择准确度较高的模型

2：不均衡数据的评估

（1）评价点：精确度、召回率
（2）精确度、召回率的计算与平衡
A：正面预测正确的数量 B：正面预测的总数量 C：实际(标签)为正面的数量 （注意：集合是全正面组成的）
精确度=A/B(预测的正确率) 召回率=A/C(正确预测占实际情况的比)

精确度： 减少预测总量提升
召回率： 提升预测总量提升 （矛盾）
平衡方法： 设定>给定阈值的为正，其余的为负，计算各种情况下的精确度。 依据精确度与召回率画的图形，利用AUC曲线下面积抉择最值点。