机器学习——数学建模应用

概念：数据有输入变量x和输出变量y，找到输入变量和输出变量的关系 Y=F(X)

不一定是函数，只代表输入到输出的一种关系

机器学习分类：监督学习、无监督学习、强化学习

监督学习分类：分类问题和回归问题

分类：输出变量为有限个离散值（判断好坏/判断种类）

回归：输出变量为连续性变量（预测房价/预测产量）

MATLAB中（分类学习器和回归学习器）

无监督学习：数据全部作为输入变量，没有输出变量，希望得到数据中蕴含的某种规律

分类：聚类和降维

回归问题的衡量指标

分类问题的衡量指标

混淆矩阵

 

 

 查全率和查准率是负相关的关系

 ROC曲线，靠近左上角的效果更好

若两条ROC曲线发生了交叉，很难证明谁优谁劣，因此引入AUC

AUC：ROC曲线与下方坐标轴围成的面积，【0,1】

AUC越大，模型分类效果越好；AUC<0.5，模型不可用；AUC>0.85表现较好