西瓜书
文章平均质量分 77
子衿_青青
不闻不若闻之,闻之不若见之,见之不若知之,知之不若行之
展开
-
周志华《机器学习》版本空间
转自:https://www.zhihu.com/question/40237283/answer/92414386 版本空间定义: 版本空间(version space)是概念学习中与已知数据集一致的所有假设(hypothesis)的子集集合。 对于二维空间中的“矩形”假设(上图),绿色加号代表正类样本,红色小圈代表负类样本。 GB 是最大泛化正假设边界转载 2017-02-18 22:26:56 · 12809 阅读 · 4 评论 -
精确率与召回率
转自:https://www.zhihu.com/question/19645541/answer/91694636 纠正下,精确率(precision)和准确率(accuracy)是不一样的,题主问的应该是精确率与召回率之间的差别。 一.定义辨析 刚开始接触这两个概念的时候总搞混,时间一长就记不清了。 实际上非常简单,精确率是针对我们预测结果而言的,它转载 2017-02-19 12:36:48 · 898 阅读 · 0 评论 -
模型评估与选择
一、经验误差与过拟合 1)错误率:分类错误的样本数占样本总数的比例 2)精度:精度 = 1 一 错误率 3)误差:学习器的实际预测输出与样本的真实输出之间的差异 4)训练误差/经验误差:学习器在训练集上的误差 5)泛化误差:学习器在新样本上的误差 6)过拟合:当学习器把训练样本学得"太好"了的时候,很可能巳经把训练样本自身的一些特点当作了所有潜在样本都 会具有的一般性质,这样原创 2017-07-27 15:55:02 · 959 阅读 · 0 评论 -
ROC和AUC介绍以及如何计算AUC
转载自:ROC和AUC以及如何计算AUC ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣,对两者的简单介绍见[这里](http://bubblexc.com/y2011/148/)。这篇博文简单介绍ROC和AUC的特点,以及更为深入地,讨论如何作出ROC曲线图以及计算AUC。 #转载 2017-08-02 17:01:29 · 603 阅读 · 0 评论