（图片来自于电子书和B站致敬大神）
1.rank-loss的计算：
rank-loss与AUC之间的关系： 
2.代价敏感错误率E：
3.代价敏感部分：略（详细见B站致敬大神的0218-0223）
4.计算概率相关公式（二项分布）：
二项分布公式的代码实现：（用到了新函数scipy，求排列组合）
图像函数的实现：
5. 多个测试集一种算法的假设检验：
求出E与σ之后，根据具体问题进行加权再计算。
6.（略）
7.偏差与方差（略）
西瓜书《机器学习》第二章重点总结（下）
最新推荐文章于 2023-12-02 12:42:06 发布
这篇博客探讨了Rank-Loss与AUC的关系，介绍了代价敏感错误率E的计算，并涉及二项分布的公式及其实现。博主还分享了如何进行多个测试集上算法的假设检验，以及偏差与方差的概念，内容深入且实用，适合深度学习和信息检索领域的研究者参考。
665
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
