qq_43350424的博客

原创 个人对ROC曲线坐标的理解

横坐标（假正率）就理解为“误伤率”,即我为了把更多的少数类预测出来，而把多数类判断为少数类的概率，即误伤了本属于多数类的样本。纵坐标（召回率）就理解为“捕捉率”，即我把更多的少数类捕捉到了的概率。由上图可以看出，“误伤率”当然随着阈值的变大，变化要缓慢为宜，即随着纵坐标的增加，横坐标变化越小越好；“捕捉率”则相反，即随着横坐标的增加，纵坐标越快越好。举个警察抓小偷的例子：100个人，里面好人90人，坏人10人；横坐标就是误伤的概率，即随着阈值的增加，希望我每次判断的时候只会把极少数好人判断成坏人，.

原创 python学习笔记(关于CSV文件的数据清洗）

1、读取CSV文件data = pd.read_csv(r'.\')2、看数据大致情况data.info()3、当表很大的时候想看表长什么样子data.head(n)#显示前n行4、删除表的若干列data.trop(['aaa','bbb','ccc'],inplace = True,axis = 1)#删除表头为aaa,bbb,ccc的列，inplace = True并用后来的表去覆盖前面的表5、用均值填补缺失值data['age'] = data['age'].fillna(d

原创 【无标题】学习第一天：对象的基本组成和内存示意图

原创 学批量归一化时，关于x.mean(dim=0,keepdim=True)的一些问题

**学批量归一化时，关于x.mean(dim=0,keepdim=True)的一些问题**人生的第一篇博客，记录下自己的进步今天学了批量归一化里面的一些问题，其中x.mean(dim=0,keepdim=True)困扰了我，搞懂后记录下来举例子：x = [[[1,2,3,4],[5,6,7,8],[9,10,11,12]],[[13,14,15,16],[17,18,19,20],[21,22,23,24]]]x.shape=[2,3,4]首先认识到：dim=0 ->2