Machine learning
So_that
搜索策略
展开
-
函数空间
在很多的书中都会碰到欧式空间和希尔伯特空间,虽然,并没有什么实质的用处,但是,还是看到这写名词难免虎躯一震。这篇博客大概记录一下,这几个东西,目的不是为了完美的解释这些东西到底是什么,而是为了让自己在看到这些东西的时候不再害怕,而是心里知道就是那么回事。同时还有另外的作用就是可以用来吓别人。我们主要理解的介个函数空间如下:距离空间(度量空间)线性空间(向量空间)赋范空间内积空间欧氏空...原创 2019-10-31 09:06:22 · 960 阅读 · 0 评论 -
UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels
遇到这个问题的原因通常是,在预测的标签中缺少实际的标签。我举个简单的二分类的例子:实际标签 1,1,1,1,0,0,0,0预测标签 0,0,0,0,0,0,0,0这里在预测标签中就没有 1 这个标签。这个时候就会出现这样的警告,注意这个是警告并不是错误。一种避免警告的方法如下:import warningswarnings.filterwarnings("ignor...原创 2019-05-03 14:15:07 · 30732 阅读 · 9 评论 -
scikit-learn中标准化和归一化
1 归一化归一化:我们通俗的可以理解为将数值映射到(0,1)之间。在机器学习之中我们可以理解为将某一特征的取值映射到(0,1)之间。公式:xi−min(xi)max(xi)−min(xi)\frac{x_i-min(x_i)}{max(x_i)-min(x_i)}max(xi)−min(xi)xi−min(xi)接下来我们来看一下scikit-learn中的使用:u = [[ ...原创 2019-06-24 21:45:18 · 1270 阅读 · 0 评论 -
scikit-learn-分类模型评价标准
0 模型指标 本篇博客记录主要的模型评价标准的含义和用法。先看一个我常用的评价指标图(二分类):1 TP ,FP ,TN ,FNTP:实际正例;预测反例;FP:实际反例;预测正例;TN:实际反例;预测反例;FN;实际正例;预测反例;2 recall ,precision(1)recall=sensitivity=TPR=TP(TP+FN)recall=sensitiv...原创 2019-08-13 20:51:25 · 2678 阅读 · 3 评论