![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
爱吃面的猫
1
展开
-
混淆矩阵、准确率、精准率、召回率
所有被判断为好水果的个数中,实际所有好水果的个数占比: 50 / 55 = TP / ( TP + FP ) =精准率。实际所有好水果总数中被判断为好水果个数占比:50 / 60 = TP / ( TP + FN ) = 召回率。坏: 40 个 = 5个被判断为好水果 + 15个被判断为坏水果。好 :60 个 = 50 个被判断为好水果 + 10 个被判断为坏水果。判断水果是好水果还是坏水果。实际所有好水果总数中被判断为好水果个数:TP = 50。原创 2024-07-13 13:42:55 · 125 阅读 · 0 评论 -
机器学习-关联规则算法Apriori及编码实现
lift(X→Y)=confidence(X→Y)/P(Y),表示含有X的条件下,同时含有Y的概率,与Y总体发生的概率之比。confidence(X→Y)=|X交Y|/|X|,集合X与集合Y同时出现的总次数/集合X出现的记录数。support(X→Y)=|X交Y|/N,表示物品集X和Y同时出现的次数占总记录数的比例。-- TID是交易编号,表示一次购物交易的唯一标识,即用户购买的一次记录。项集:项的集合,包含k个项的项集称为k项集,例如上面。中的占比,例如 A表示手机,B表示手表,手机和手表。原创 2024-03-31 15:46:27 · 488 阅读 · 0 评论 -
协同过滤前置条件
集体智慧是一种共享或群体的智能,它通过结合多个人的知识、数据、技能和智力,协同解决社会问题。在移动互联网时代,集体智慧在Web应用中发挥着重要作用,表现为群体决策、众包、在线知识社区等多种形式。集体智慧的特征在于一致和协调的集体思考,对问题的集体解决能力,以及通过共享知识和资源优化决策。其应用广泛,包括谷歌搜索算法、社交网络服务、众包等领域,共同构建和优化用户体验。原创 2024-03-23 23:57:50 · 222 阅读 · 0 评论 -
常用相似度计算方法总总结
相关系数的绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。(3)、当X的值增大(减小),Y值减小(增大),两个变量为负相关,相关系数在-1.00与0.00之间。(2)、当X的值增大(减小),Y值增大(减小),两个变量为正相关,相关系数在0.00与1.00之间。0.0-0.2 极弱相关或无相关。相关系数:考察两个事物(在数据里我们称之为变量)之间的相关程度。相关系数 0.8-1.0 极强相关。(1)、当相关系数为0时,X和Y两变量无关系。原创 2024-03-23 22:36:55 · 1246 阅读 · 0 评论 -
机器学习K-means算法
其次我们要先确定红豆、绿豆、黑米、大米、花生、莲子、花豆各自的中心点,以各自的中心点进行抓取,这样分堆对快。例如下图中,红色中心点是大米区域的中心点,以这个为中心,距离这个中心点近的大米比较多。你的回答会慢一些,因为你会看一下,想一会再分一下类(红豆、绿豆、黑米、大米、花生、莲子、花豆)最后再回答。那么问题来了,让你将图2 中的五谷杂粮像图1中一样分好堆,需要分几堆呢?给你如下两种图片,快读回答2个问题,问 图1 中有几类五谷杂粮?问题2 回答慢的原因是 图中未进行分类,需要自己进行分类。原创 2024-03-23 17:36:49 · 649 阅读 · 0 评论