【学习记录】零散记录论文中遇到的一些知识点

最新推荐文章于 2024-08-13 13:25:51 发布

__Lionb

最新推荐文章于 2024-08-13 13:25:51 发布

阅读量134

点赞数

分类专栏：【学习记录】零散篇

本文链接：https://blog.csdn.net/weixin_44549245/article/details/104109441

版权

3 篇文章 0 订阅

订阅专栏

精确率(precision) 、召回率(recall) : 其实只是分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。
1. precision 精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，因此 $Precision=\frac{TP}{TP+FP}$
2. recall 召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)，因此 $Recall=\frac{TP}{TP+FN}$
ROC曲线，PR曲线，AUC等机器学习性能评价指标
损失函数相关：
Hinge Loss $\,\,\, hinge(z) = 1 − z \,\, for \,\, z ≤ 1 \,\, and \,\, 0, otherwise$
Logistic函数与Logistic Loss函数、标签y $\in$ {0,1}的Logistic Loss推导、更多记录