- 博客(2)
- 收藏
- 关注
RSS订阅原创 准确率、召回率、F1值、ROC、AUC的比较
基础概念及计算：F值是P和 R的调和平均：1/F1=1/2*(1/P+1/R) => F1 = （2*P*R）/(P+R);加权调和平均：F(β)=[（1+β^2)*P*R] / [(β^2*P)+R] β=1，退化为F1，β>1,R更重要；β<1,P更重要；ROC曲线与AUC:ROC：横坐标：FPR(假正率） 纵坐标：TPR(真正率），这两个都是值分...
2018-02-27 08:55:05
1969
原创 样本不平衡问题
样本类别相差很大，比如，正样本998个，负样本2个，训练得到的模型将永远将新样本预测为正样本，这样的模型毫无价值。一般解决样本不平衡问题从三个方向出发：第一：上采样【也叫过采样】，增加补充少的类别样本，比如这里增多负样本，使得正负样本的比例差不多。需注意的是上采样不能简单的对初始样本重复采样，否则容易导致过拟合。可以对已有的正样本利用类似于插值法加入一些噪声干扰。第二：下采样【也叫欠采样】，减少删...
2018-02-26 23:00:23
1317
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人