l ROC曲线 预测 1 0 合计 实际 1 True Positive（TP） False Negative（FN） Actual Positive(TP+FN) 0 False Positive（FP) True Negative(TN) Actual Negative(FP+TN) 合计 Pr ...
分类：
其他好文 时间：
2018-12-10 14:10:05
阅读次数：
178
from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.4, random ...
分类：
其他好文 时间：
2018-12-10 14:09:22
阅读次数：
204
混淆矩阵 from sklearn.metrics import confusion_matrix y_true = [2, 0, 2, 2, 0, 1] y_pred = [0, 0, 2, 2, 0, 2] confusion_matrix(y_true, y_pred) >>>array([ ...
分类：
其他好文 时间：
2018-12-10 13:50:26
阅读次数：
211
第2章 模型评估与选择 2.1 经验误差与过拟合 先引出几个基本概念： 误差(error）：学习器的实际预测输出与样本的真实输出之间的差异。 训练误差(training error)：学习器在训练集上的误差，也称“经验误差”。 测试误差(testing error)：学习器在测试集上的误差。 泛化误 ...
分类：
其他好文 时间：
2018-12-07 22:33:17
阅读次数：
338
典型的开发模型有：1. 边做边改模型（Build and Fix Model）；2. 瀑布模型（Waterfall Model）；3. 快速原型模型（Rapid Prototype Model）；4. 增量模型（Incremental Model）；5.螺旋模型（Spiral Model）；6.演化 ...
分类：
其他好文 时间：
2018-12-04 10:11:34
阅读次数：
211
在做数据处理时，需要用到不同的手法，如特征标准化，主成分分析，等等会重复用到某些参数，sklearn中提供了管道，可以一次性的解决该问题 先展示先通常的做法 先对数据标准化，然后做主成分分析降维，最后做回归预测 现在使用管道 Pipeline对象接收元组构成的列表作为输入，每个元组第一个值作为变量名 ...
分类：
编程语言 时间：
2018-10-28 14:56:42
阅读次数：
246
第一章 绪论 http://blog.csdn.net/icefire_tyh/article/details/52065224 第二章 模型评估与选择 http://blog.csdn.net/icefire_tyh/article/details/52065867 第三章 线性模型 http:/ ...
分类：
其他好文 时间：
2018-10-25 20:39:42
阅读次数：
3473
1.原始交叉验证 2.cross_validation交叉验证 交叉验证中混合模型分类 ...
分类：
其他好文 时间：
2018-10-25 12:12:56
阅读次数：
157
这里主要讲的是对分类模型的评估。 1、准确率（Accuracy) 准确率的定义是：【分类正确的样本】 / 【总样本个数】，其中分类正确的样本是不分正负样本的 优点：简单粗暴 缺点：当正负样本分布不均衡的情况（假设一种极端情况，正样本1个，负样本99个），此时即使一个比较差的模型（只会将所用的样本预测 ...
分类：
其他好文 时间：
2018-10-19 23:42:08
阅读次数：
209
传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。 1. 获取数据 1.1 导入sklearn数据集 sklearn中包含了大量的优质的数据集，在你学习机器学习的过程中，你可以通过使用这些数据集实现出不同的模型，从而提高你的动手 ...
分类：
其他好文 时间：
2018-10-18 16:47:39
阅读次数：
144
