- 博客(9)
- 收藏
- 关注
RSS订阅原创 机器学习——创建决策树
决策树（decision tree）是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部结点和叶结点。内部结点表示一个特征或属性，叶结点表示一个类。
2022-11-14 16:55:13
2172
2
原创 机器学习——K-近邻算法
工作机制：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。通常，在分类任务中可使用“投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可使用“平均法”，即将这k个样本的实值输出标记的平均值作为预测结果；还可基于距离远近进行加权平均或加权投票，距离越近的样本权重越大。
2022-10-26 23:00:00
1220
1
原创 PR曲线以及ROC曲线的简单理解
首先，了解一下混淆矩阵，如下表：其中TP+FP+TN+FN = 样例总数查准率P：P=TP/(TP+FP)查全率R：R=TP/(TP+FN)TP：把正例正确的分类为正例FN：把正例错误的分类为反例TN：把反例错误的分类为正例FP：把反例正确的分类为反例真正率TPR：预测为正例且实际为正例的样本占所有正例样本（真实结果为正例样本）的比例假正率FPR：预测为正例但实际为负例的样本占所有负例样本（真是结果为负例样本）的比例举个例子此时的混淆矩阵为此时查准率P和查全率R为。
2022-10-20 00:26:07
1910
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人