Machine_Learning
文章平均质量分 79
让数据去学习
Levennnnn
live young
展开
-
模型评估方法以及评估指标——准确率、精确率、召回率以及P-R曲线和ROC曲线介绍
模型评估方法以及评估指标介绍前言一、准确率、精确率、召回率1.1 准确率(Accuracy)1.2 精确率(Precision)1.3 召回率(Recall)二、P-R曲线和ROC曲线2.1 P-R曲线2.2 ROC曲线三、模型评估验证方法3.1 Holdout检验3.2 交叉检验3.3 自助法前言”没有测量,就没有科学“在机器学习中,只有选择与问题相匹配的评估方法,才能快速地发现模型选择或训练过程中出现的问题,迭代地对模型进行优化。模型评估主要是离线评估和在线评估两个阶段,本文整理了常见的模原创 2020-12-06 18:20:10 · 17766 阅读 · 0 评论 -
集成学习:Bagging&Boosting思想以及随机森林&GBDT方法介绍
Ensemble Learning前言一、BaggingBaggingBagging&BoostingBoostingBoosting介绍二、集成学习的步骤总结前言面对一个机器学习问题,通常有两种策略。一种是尝试各种模型,选择最合适的模型做重点调参优化,来达到我们的效果,另外一种就是不花费过多精力在一个模型上,而是多训练几个不太相关的模型,然后综合考量各个模型的结果作最终决策。这两种方法都有体现集成学习的思想,前一种是boostingboostingboosting,而后一种则是bagging原创 2020-12-06 15:33:23 · 317 阅读 · 0 评论