![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
我又懂了(完全没懂)
这个作者很懒,什么都没留下…
展开
-
t分布机器学习
https://www.zybang.com/question/5637e4bb30899a5064793f31eec044a5.htmlhttps://wenku.baidu.com/view/31d1b68c51e2524de518964bcf84b9d529ea2c74.html转载 2020-12-28 15:20:52 · 294 阅读 · 0 评论 -
样本均值服从的分布
由书上的概念可以知道,在样本足够大的情况下,样本均值服从的正态分布上面是说,不管样本服从什么分布,当样本足够大的时候,样本均值服从正态分布。定理证明如下:这是一个样本服从指数分布,伯努利分布的例子:...转载 2020-12-28 10:19:18 · 25911 阅读 · 0 评论 -
如何直观理解AUC评价指标?
P35页https://blog.csdn.net/cherrylvlei/article/details/52958720结合例子观察注意!!!这里的f(x)不是y而是预测的值,y是图像上对应的位置。rank计算的是排序的损失。表示的是排序在后正例所占比例。...原创 2020-12-15 23:34:13 · 411 阅读 · 0 评论 -
P-R曲线深入理解
P-R曲线就是精确率precision vs 召回率recall 曲线,以recall作为横坐标轴,precision作为纵坐标轴。首先解释一下精确率和召回率。不过在解释精确率和召回率之前,先来看下混淆矩阵, 负 正 负 TN FP 正 FN TP 把正例正确分类为正例,表示为TP(true positive),把正例错误分类为负例,表示为FN(false negative),把负例正确分类为负例,表示为TN(true n...转载 2020-12-14 21:59:03 · 2699 阅读 · 1 评论 -
程序员的机器学习笔记-第一篇 NFL定理
在前一篇笔记中介绍了一些机器学习中的基本概念,其中提到了“模型”和“假设空间”的概念,也说过“统计学习首先要考虑的问题是学习什么样的模型,模型确定了,模型的假设空间自然就确定了,后面要做的就是从假设空间子搜索最优的假设”。那么,大家可能就会提出这样的问题“哪一种模型能提出最好的假设空间,从而得到性能最好的假设函数?”或者“有没有一个最强大的模型,使用它就可以解决所有的问题”或者更具体的“传统的机器机器学习技术和现在正火热的深度学习哪个更好?”。答案很简单:不结合具体的问题去比较哪个模型...转载 2020-12-10 21:03:49 · 1315 阅读 · 4 评论