码迷,mamicode.com
首页 >  
搜索关键字:准确率 召回率    ( 678个结果
机器学习:评价分类结果(实现混淆矩阵、精准率、召回率)
一、实例 1)构造极度偏差的数据 import numpy as np from sklearn import datasets digits = datasets.load_digits() X = digits.data y = digits.target.copy() # 构造极度偏斜的数据 ...
分类:其他好文   时间:2018-07-31 11:49:05    阅读次数:460
混淆矩阵、准确率、精确率/查准率、召回率/查全率、F1值、ROC曲线的AUC值
准确率、精确率(查准率)、召回率(查全率)、F1值、ROC曲线的AUC值,都可以作为评价一个机器学习模型好坏的指标(evaluation metrics),而这些评价指标直接或间接都与混淆矩阵有关,前四者可以从混淆矩阵中直接计算得到,AUC值则要通过ROC曲线进行计算,而ROC曲线的横纵坐标又和混淆 ...
分类:其他好文   时间:2018-07-09 21:33:04    阅读次数:1128
机器学习中常见的过拟合解决方法
在机器学习中,我们将模型在训练集上的误差称之为训练误差,又称之为经验误差,在新的数据集(比如测试集)上的误差称之为泛化误差,泛化误差也可以说是在模型在总体样本上的误差。对于一个好的模型应该是经验误差约等于泛化误差,也就是经验误差要收敛于泛化误差,根据霍夫丁不等式可知经验误差在一定条件下是可以收敛于泛 ...
分类:其他好文   时间:2018-07-08 21:16:06    阅读次数:197
分类模型评估指标
对于分类模型的评价指标主要有错误率 、准确率、查准率、查全率、混淆矩阵、F1值、AUC和ROC。 1.1 错误率和准确率 错误率(Error rate):通常把分类错误的样本数占总样本总数的比例称为“错误率”。 准确率(Accuracy):是指分类正确的样本数占样本总数的比例,即准确率=1-错误率。 ...
分类:其他好文   时间:2018-07-08 19:00:52    阅读次数:1303
机器学习二分类模型评价指标:准确率\召回率\特异度等
混淆矩阵是一种用于性能评估的方便工具,它是一个方阵,里面的列和行存放的是样本的实际类vs预测类的数量。 P =阳性,N =阴性:指的是预测结果。 T=真,F=假:表示 实际结果与预测结果是否一致,一致为真,不一致为假。 TP=真阳性:预测结果为P,且实际与预测一致。 FP=假阳性:预测结果为P,但与 ...
分类:其他好文   时间:2018-07-07 15:47:30    阅读次数:223
关于解决GPS定位设备:GPS静态漂移的方法
关于解决GPS定位设备:GPS静态漂移的方法 GPS的误差: 有很多种因素会影响到GPS的准确率,以下是一个GPS误差引入简表: l 卫星时钟误差:0-1.5米 l 卫星轨道误差:1-5米 l 电离层引入的误差:0-30米 l 大气层引入的误差:0-30米 l 接收机本身的噪音:0-10米 l 多路 ...
分类:其他好文   时间:2018-07-06 17:52:31    阅读次数:340
6.集成算法boosting----AdaBoost算法
1.提升算法 提升算法实为将一系列单一算法(如决策树,SVM等)单一算法组合在一起使得模型的准确率更高。这里先介绍两种Bagging(代表算法随机森林),Boosting(代表算法AdaBoost-即本篇核心) Bagging思想:以随机森林为例 假设样本集的总样本量为100个,每个样本有10个特征 ...
分类:编程语言   时间:2018-07-06 13:06:39    阅读次数:200
xgboost 参数调优指南
一、XGBoost的优势 XGBoost算法可以给预测模型带来能力的提升。当我对它的表现有更多了解的时候,当我对它的高准确率背后的原理有更多了解的时候,我发现它具有很多优势: 1 正则化 标准GBDT 的实现没有像XGBoost这样的正则化步骤。正则化对减少过拟合也是有帮助的。 实际上,XGBoos ...
分类:其他好文   时间:2018-07-05 10:19:27    阅读次数:245
mAP(Mean Average Precison)理解
在目标检测算法(如Faster RCNN, YOLO ,SSD)中mAP常做为一种基准来衡量算法的精确度好坏。 mAP的本质其实是多类检测中各类别最大召回率(recall)的一个平均值 计算mAP之前我们先要了解Precision和Recall也就是精确率和召回率。 精确率主要衡量模型做出预测的精准 ...
分类:其他好文   时间:2018-06-29 14:18:07    阅读次数:143
第3课 线性分类器损失函数与最优化
回顾上一节课,我们了解视觉识别,特别是图像分类,这确实是一个非常困难的问题,因为我们必须考虑到这些可能的变化,并使得当我们在识别这些类型时,分类器能够在面对这些变化时具有鲁棒性,例如对猫的识别,似乎存在着难解决的问题,我们仅需要知道如何解决这些问题,同时我们还必须能够在成千上万的其他类型中解决这些问 ...
分类:其他好文   时间:2018-06-25 22:57:08    阅读次数:256
678条   上一页 1 ... 28 29 30 31 32 ... 68 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!