小白的机器学习方法录
文章平均质量分 93
柳奈奈
一只小白努力中,请多多指教!
展开
-
使用Python进行多个机器学习模型、多个评价指标表格绘制(AUC、敏感度、特异度、F1值、约登指数、MCC、Kappa等)
本文简要介绍了常用的机器学习模型评价指标,并使用Python绘制单个模型和多个模型的各个评价指标的汇总表格。评价指标有:训练集AUC、测试集AUC、敏感度(Sensitivity)、特异度(Specificity)、PPV、NPV、PLR、NLR、F1值、Youden Index、MCC、Kappa。原创 2022-03-03 18:11:59 · 9997 阅读 · 20 评论 -
机器学习集成方法Bagging、Boosting和Stacking
一. 概述集成学习是一种训练多个弱学习器(weak learners,即预测能力有限的模型)从而得到更好预测结果的方法。一般情况来说,集合弱学习器可以得到更准确更强力的模型。(这可能就是三个臭皮匠顶个诸葛亮吧~)1. 集成学习的分类集成学习方法主要有三类:1.Bagging: “并行”训练同质的弱学习器,然后将他们进行综合(平均?投票?)产生结果较好的模型。该种方法可以有效减少模型的variance。2.Boosting: “链式”训练同质的弱学习器,后一个模型在前一个模型上进行修正和完善。该种原创 2021-05-19 17:10:16 · 1621 阅读 · 0 评论