机器学习
D-H
Yoooooooooooo!
展开
-
数据的标准化(归一化)
数据的标准化(normalization)是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到,去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理,即将数据统一映射到[0,1]区间上,常见的数据归一化的方法有:min-max标准化(Min-max normalization)转载 2018-01-21 00:40:17 · 379 阅读 · 0 评论 -
模型效果衡量标准
True Positive (真正, TP) 被模型预测为正样本,是真的判断正确。所以就是正样本,也称作正的数。True Negative(真负 , TN)被模型判断为负样本,是真的判断正确。所以就是负样本,也称作负的数。False Positive (假正, FP)被模型判断为正样本,是假的判断错误。所以应该是负样本,也称作误报数。False Negative(假负 , FN)被模型判断为负...原创 2018-01-21 20:35:43 · 1863 阅读 · 0 评论