数据挖掘学习笔记
Raven_Lee
学习ing
展开
-
关于过拟合(overfitting)与正则(regularization)的笔记
模型训练不够会出现欠拟合(underfitting),训练太完美又会过拟合(overfitting)。无论是哪一种,都不是我们想要的结果。 解决过拟合的方法之一是正则化。周志华老师的《机器学习》中写道:“正则化可理解为一种‘罚函数法’,即对不希望得到的结果施以惩罚,从而使得优化过程趋向于希望目标。从贝叶斯的角度来看,正则化项可认为是提供了模型的先验概率。”(《机器学习》133页) ...原创 2019-02-18 22:02:31 · 183 阅读 · 0 评论 -
查准率(precision)和查全率(recall)的笔记
对于二分类问题,根据真实结果和预测结果得到“混淆矩阵”,其结果组合可分为真正例(true positive)、假正例(false positive)、真反例(true negative)、假反例(false negative)四种情况,其简写分别为TP、FP、TN、FN。 查准率P(precision)和查全率R(recall)是对预测性能的度量。 P=TPTP+FP P=\frac{TP}{T...原创 2019-02-20 00:39:55 · 1968 阅读 · 0 评论