weixin_43840011的博客

原创 《机器学习》周志华 第二章——模型评估与选择笔记

3、贝叶斯优化：对目标函数的形状进行学习，找到使得目标函数向全局最优提升的参数，每一次用新的采样点测试目标函数时候，利用信息来更新目标函数的先验分布，但贝叶斯算法容易陷入局部最优，在局部反复采样。我们可根据学习器的预测结果对样例进行排序,排在前面的是学习器认为“最可能”是正例的样本,排在最后的则是学习器认为“最不可能”是正例的样本.按此顺序逐个把样本作为正例进行预测,即可计算出计算出当前的查全率、查准率.计算适应度：计算每个个体的适应度，即目标函数的值，如机器学习模型的准确率或损失函数。