![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
认真一拳
这个作者很懒,什么都没留下…
展开
-
关于metrics中的一些包
1.关于分类模型的评估precision_score精确率recall_score召回率f1_scoreF1值confusion_matrix混淆矩阵roc_auc_scoreroc曲线下的面积aucroc曲线下的面积A.精确率和召回率可以看我的一篇转载里面有详细的介绍,我简单的说一下假设二分类问题,有0,1两种结果精确率就是:你说是1结果也是1的概率,所以它又叫查准率召回率就是:已知是一你判断为一的概率,又叫敏感率两种都是以正例为准原创 2020-06-05 18:19:49 · 1245 阅读 · 0 评论 -
机器学习常用性能指标总结metrics
本文转载自Prince1994的机器学习常用性能指标总结序言在机器学习中,性能指标(Metrics)是衡量一个模型好坏的关键,通过衡量模型输出y_predict 和 y_true之间的某种"距离"得出的。性能指标往往是我们做模型时的最终目标,如准确率,召回率,敏感度等等,但是性能指标常常因为不可微分,无法作为优化的loss函数,因此采用如cross-entropy, rmse等“距离”可微函数作为优化目标,以期待在loss函数降低的时候,能够提高性能指标。而最终目标的性能指标则作为模型训练过程中,作为转载 2020-05-28 17:18:53 · 15551 阅读 · 0 评论 -
LabelBinarizer的标签二值化
对于标称型数据来说,preprocessing.LabelBinarizer是一个很好用的工具。比如可以把yes和no转化为0和1,或是把incident和normal转化为0和1。当然,对于两类以上的标签也是适用的。这里举一个简单的例子,说明将标签二值化以及其逆过程。# -*- coding: UTF-8 -*-from sklearn import preprocessingfrom sklearn import tree# help(preprocessing.LabelBinarizer)转载 2020-05-25 10:25:14 · 547 阅读 · 0 评论