机器学习基础01性能度量

最新推荐文章于 2022-04-05 15:47:48 发布

山野村夫_pro

最新推荐文章于 2022-04-05 15:47:48 发布

阅读量399

点赞数

分类专栏：机器学习基础知识文章标签： auc 性能度量混淆矩阵 roc

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wwyl1001/article/details/96188305

版权

目录

一、性能度量

二、回归问题的性能度量

三、分类问题的性能度量

3.1 混淆矩阵

3.2 准确率、召回率与F1

一、性能度量

性能度量是衡量模型泛化能力的评价标准，反映了任务需求。
通俗讲就是对于多个模型，哪个好呢？性能度量就是评判这个。

什么样的模型是好的，不仅取决于算法和数据，还取决于任务需求。

二、回归问题的性能度量

回归问题常用的性能度量是“圴方误差”
$\frac{1}{m} \sum_{i=1}^{m}\left(f\left(\boldsymbol{x}_{i}\right)-y_{i}\right)^{2}$ ， $f\left(\boldsymbol{x}_{i}\right)$ 是预测值， $y_{i}$ 是真实值。

三、分类问题的性能度量

3.1 混淆矩阵

一些标记：
正例Positive，反例Negative
预测是正确的True，预测是错误的False
TP：预测是正例，预测正确，即实际是正例
FP：预测是正例，预测错误，即实际是反例
TN：预测是反例，预测正确，即实际是反例
FN：预测是反例，预测错误，即实际是正例
实际正例：TP+FN
实际反例：FP+TN

混淆矩阵：

最低0.47元/天解锁文章

山野村夫_pro

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
机器学习基础__01__性能度量

目录一、性能度量二、回归问题的性能度量三、分类问题的性能度量3.1 混淆矩阵3.2 准确率、召回率与F13.3 ROC与AUC一、性能度量性能度量是衡量模型泛化能力的评价标准，反映了任务需求。通俗讲就是对于多个模型，哪个好呢？性能度量就是评判这个。什么样的模型是好的，不仅取决于算法和数据，还取决于任务需求。二、回归问题的性能度量回归问题常用的性能度...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。