题
2.1
采样角度:
采用分层采样,因此要保证训练集里有350个正例、350个反例,测试集里有150个正例,150个反例
划分方式角度:
具体划分数值已确定(70%训练,30%测试),那么就开始从500个正例中挑350个放入训练集,500个反例中挑350个放入训练集,剩下的放入测试集。
挑哪些放入训练集就是数学的组合问题:
正反例都要挑,因此结果为
C
500
150
C_{500}^{150}
C500150 *
C
500
150
C_{500}^{150}
C500150
2.2
留一法:就是令k折交叉验证法的k等于样本数量,也就是只留出一个数据作为测试。在原本100个样本数据中,正好50个正例、50个反例,若挑出一个正例,那反例多,预测结果一定为反例,若挑出反例,那预测结果一定为正例,因此错误率为100%
10折交叉验证法:分为10个互斥子集,且每个子集保证数据分布一致性,因此那就是每个子集10个样本,5个正例,5个反例,因此训练样本中正反例个数相等,最后的错误率为50%
2.3(有争议)
2.4
TP:真正例
TN:真反例
FP:假正例
FN:假反例
查准率:P=TP/(TP+FP);你认为的对的中有几个是真的对
查全率:R=TP/(TP+FN);所有对的中你猜出几个
真正例率:TPR=TP/(TP+FN);同查全率
假正例率:FPR=FP/(TN+FP);所有反例中被预测为正的比率,也是所有反例中的假正例率
2.5(有争议)
每个测试样例的结果只能是TP、FN、FP、TN这四种,而横坐标轴是FPR=FP/(TN+FP),纵坐标轴是TPR=TP/(TP+FN),无论预测结果是哪个,都不会引起横纵坐标同时变化,所以我认为此图不应该存在斜线。在ROC曲线中,一条横线对应一个(或多个)负样本, 一条竖线对应一个(或多个)正样本 ,即与BEP一样,学习器先将所有测试样本按预测概率排序,越可能是正的排在越前面。然后依次遍历,每扫描到一个位置,如果是正例,则ROC曲线垂直向上,如果是反例,曲线水平往右。
预测结果一般在0~1之间,大于0.5是正例,小于等于0.5是反例,因此公式2.21是计算了正例的预测值小于等于反例预测值的情况,也就是ROC曲线上方白色空白的面积,因此即证。
2.6
错误率:m个样本中a个分类错误,E=a/m;
错误率是在阈值固定的情况下得出的,ROC曲线是在阈值随着样本预测值变化的情况下得出的。且ROC曲线y轴对应的为TPR=TP/(TP+FN),x轴对应的FPR=FP/(TN+FP),因此
E=(1-TPR)+FPR=FN/(TP+FN)+FP/(TN+FP) 即E=正例中分错的+反例中分错的
2.7
ROC曲线上的每一点对应了代价平面上的一条线段,
2.8
Min-max 规范化优点1、计算相对简单一点。2、当新样本进来时,只有在新样本大于原最大值或者小于原最小值时,才需要重新计算规范化之后的值。缺点在于容易受高杠杆点和离群点影响。
z-score 规范化优点在于。1、对异常值敏感低。缺点在于计算更繁琐,且每次新样本进来都需要重新计算规范化。
2.9
个人感觉是McNemar检验
2.10
不懂!