weixin_60911831的博客

使用CNN预测基因可及性，Basset使用深度卷积神经网络学习可访问基因组的调控代码

在训练模型的过程中，不仅需要可行的实验估计方法，还需要衡量模型泛化能力的评价标准，简单来说，就是评价模型好不好，下面川宝带你看一看几个常用的性能度量标准：1.均方误差回归任务最常用的性能度量是均方误差，即预测值与真实值的差值和再取平均，即2.错误率与精度错误率是分类错误的样本数占样本总数的比例，精度则是分类正确的样本数占样本总数的比例。错误率定义为：精度定义为：3.查准率，查全率，F1查准率是指模型预测的结果中，准确率有多少。查全率是指模型预测的结果中，所有正

在本章节的内容中，川宝将带大家了解怎么评估学得的模型好不好，怎么去选择好的模型，跟着川宝一起来看一看：1.经验误差与过拟合错误率：在分类过程中，不免会出现分类错误的情况，我们把分类错误的样本数占样本总数的比例称为“错误率”。精度：精度与错误率是相反的概念，1-错误率=精度。误差：我们把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”，在训练集上的误差称为训练误差，在新样本上的误差称为泛化误差，显然，我们的目的是想得到泛化误差的模型。过拟合：当我们训练模型训练地太好的时候，我们可

在学习机器学习之前，川宝首先来给大家解释一下什么是机器学习？在我们的生活中，往往会有一些经验，比如通过看西瓜的外表，如色泽，根蒂，敲声等就可以判断出这个西瓜好不好，那么我们的机器学习就是在做这样一件事情，我们如何能够让计算机也能够获得这样的经验，如何也能够通过一些特征就能判断出西瓜的好坏，这就是机器学习做的事情。1.学习算法机器学习学得的这种经验，本质上是一种模型，那么学习算法就是学得这种模型的一个过程。2.基本术语数据集：学得模型所需要的数据的集合。样本：数据集中的每一个个体的相关