![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 82
锅巴不写代码
这个作者很懒,什么都没留下…
展开
-
机器学习:线性模型
机器学习:线性模型基本形式线性回归 linear regression优化对数线性回归对数几率回归基本形式一般向量形式为: f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b其中,www 表示了 xxx 的重要性,称为权重。线性回归 linear regression线性回归学习一个线性模型来预测输出.即, 在一个数据集 D={(x1,y1),(x2,y2),...,(xn,yn)}D=\{(x_1, y_1),(x_2,y_2),...,(x_n,y_n)\}D={(x1,y1原创 2021-12-18 16:54:34 · 799 阅读 · 0 评论 -
机器学习:数据集划分方法
机器学习:数据集划分方法留出法 hold-out交叉验证法 cross-validationk折交叉验证数据集的划分:留一法自助法 bootstrapping留出法 hold-out数据集划分为两个互斥的集合:训练集和测试集。训练集占总数据集的 2/3 - 4/5再进行划分时,采取分层采样的方式,这是为了在划分时保持数据分布一致,在分类任务中,保持样本的类别比例相似。注意 单次使用留出法得到的结果不够可靠,一般采用若干次随即划分,重复实验后取平均值。交叉验证法 cross-validationk原创 2021-11-17 13:44:03 · 2036 阅读 · 0 评论 -
机器学习:PR曲线及F1 score
PR曲线及F1 scorePecision 和 RecallPR曲线PR曲线的绘制PR曲线的性能比较F1 scoreF1 的一般形式macro-F1micro-F1Pecision 和 Recall首先,我们把数据和对应的标签称为一个example。在二分类问题中,example可分为真正例(true positive),假正例(fake positive),真反例(true negative),假反例(fake negative)下面这个矩阵称为混淆矩阵。precision 和 recall的原创 2021-11-17 13:21:00 · 3519 阅读 · 0 评论