机器学习简介
- 很好拟合训练数据但是做出错误预测叫做Bias-Variance Tradeoff。
- 交叉验证：（划分训练集和测试集）（ 每个区域的数据都被用于测试过！）
- 交叉验证就是重复使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓的‘交叉’。
- example：将数据划分为四块，称为4折交叉验证。块的个数是随意的，通常是划分为十块，称为10折交叉验证。 - 混淆矩阵：TP = True Positive FP = False Positive TN=True Negative FN = False Negative
- 敏感性和特异性 Sensitivity & Specificity
S e n s i t i v i t y = T P （ T P + F N ） Sensitivity=\frac{TP}{（TP+FN）} Sensitivity=（TP+FN）TP
S p e c i f i c i t y = T N （ T N + F P ） Specificity =\frac{TN}{（TN+FP）} Specificity=（TN+FP）TN - 熵
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
