机器学习总结

调和平均 和 F1值的关系：

调和平均容易受极端值的影响，F1值相当于把精准率和召回率放在同等重要的位置进行衡量。

链接：

为何选用F1值（调和平均数）衡量P与R？ - weixin_39490983的博客 - CSDN博客  https://blog.csdn.net/weixin_39490983/article/details/88297899

调和平均数在F1上的应用 - 简书  https://www.jianshu.com/p/1384f5a19a52

 

 

对于P-R 曲线上的查全率和查准率的理解？

假如有5个样本，3个正例，2个负例，分别对这5个样本进行预测，得到为正样本为概率值为0.7  0.6  0.5  0.4  0.3

样本编号	预测为正样本的概率	真实标签值	查全率	查准率
3	0.7	正	1/3	1
1	0.6	正	2/3	1
0	0.5	负	2/3	2/3
2	0.4	正	1	3/4
4	0.3	负	1	3/5

夏殇的理解（个人觉得理解的很透彻）：

P R值是两个越大越好，如果一个很大，一个很小，效果也不好，如果两个都小，效果也不好。所以需要一个综合指标去衡量它们。调和平均这个衡量指标很符合，（调和平均对于极端值很敏感）如果一个趋近于0 ，那么调和平均趋近于0，如果一个很大，那么调和平均就会很大，如果两个数接近，那么调和平均就会很接近。所以，P R 的调和平均就拿来当作一个综合性指标F。

ROC曲线  解释的很好的博文：

ROC曲线与AUC值 - gatherstars - 博客园  https://www.cnblogs.com/gatherstars/p/6084696.html

AUC，ROC我看到的最透彻的讲解 - u013385925的专栏 - CSDN博客  https://blog.csdn.net/u013385925/article/details/80385873

回归树的理解：Regression Tree 回归树 - 没有名字 - CSDN博客  https://blog.csdn.net/weixin_40604987/article/details/79296427

CART 树剪枝：CART 分类与回归树 - 简书  https://www.jianshu.com/p/b90a9ce05b28