03 2018 档案

摘要:机器学习模型评价(Evaluating Machine Learning Models)-主要概念与陷阱 总结: 离线评估:经常使用的有准确率(accuracy)、精确率-召回率(precision-recall) 在线评估:一般使用一些商业评价指标,如用户生命周期值(customer lifeti 阅读全文
posted @ 2018-03-28 20:26 喵喵帕斯 阅读(900) 评论(0) 推荐(0)
摘要:1.决策树 :监督学习 决策树是一种依托决策而建立起来的一种树。 在机器学习中,决策树是一种预测模型,代表的是一种对象属性与对象值之间的一种映射关系,每一个节点代表某个对象,树中的每一个分叉路径代表某个可能的属性值,而每一个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象的值。 决策树仅有 阅读全文
posted @ 2018-03-28 10:44 喵喵帕斯 阅读(582) 评论(0) 推荐(0)
摘要:maven assembly打包出现错误 [WARNING] The POM for com.flink.xxr:0.0.1-SNAPSHOT is invalid, transitive dependencies (if any) will not be available, enable deb 阅读全文
posted @ 2018-03-26 17:22 喵喵帕斯 阅读(4436) 评论(1) 推荐(0)
摘要:下载glibc-2.14.tar.gz 解压: [root@jrgc130 software]# tar xf glibc-2.14.tar.gz [root@jrgc130 software]# cd glibc-2.14 [root@jrgc130 glibc-2.14]# mkdir buil 阅读全文
posted @ 2018-03-22 16:00 喵喵帕斯 阅读(1868) 评论(0) 推荐(0)
摘要:ROC曲线: 横轴:假阳性率 代表将负例错分为正例的概率 纵轴:真阳性率 代表能将正例分对的概率 AUC是ROC曲线下面区域得面积。 与召回率对比: AUC意义: 任取一对(正、负)样本,把正样本预测为1的概率大于把负样本预测为1的概率的概率。基于上述,AUC反映的是分类器对样本的排序能力,如果进行 阅读全文
posted @ 2018-03-20 21:03 喵喵帕斯 阅读(1094) 评论(0) 推荐(0)
摘要:一、范数 L1、L2这种在机器学习方面叫做正则化,统计学领域的人喊她惩罚项,数学界会喊她范数。 L0范数 表示向量xx中非零元素的个数。 L1范数 表示向量中非零元素的绝对值之和。 L2范数 表示向量元素的平方和再开平方 在p范数下定义的单位球(unit ball)都是凸集(convex set,简 阅读全文
posted @ 2018-03-16 16:23 喵喵帕斯 阅读(2592) 评论(0) 推荐(0)
摘要:1.损失函数/代价函数是对模型或者算法的准确性的最直接的描述(对于二分类问题来说就是能不能正确分类的能力),而目标函数则是损失函数/代价函数的递进,目标函数考虑的可能不仅仅有模型算法的准确性,还可能要考虑模型的复杂度,可解释度等等的问题(比如目标函数在损失函数的基础之上加上各种正则项)。 当然最简单 阅读全文
posted @ 2018-03-15 17:22 喵喵帕斯 阅读(1748) 评论(0) 推荐(0)
摘要:1.输出: 线性回归输出是连续的、具体的值(如具体房价123万元) 回归 逻辑回归的输出是0~1之间的概率,但可以把它理解成回答“是”或者“否”(即离散的二分类)的问题 分类 2.假设函数 线性回归: θ数量与x的维度相同。x是向量,表示一条训练数据 逻辑回归:增加了sigmoid函数 逻辑斯蒂回归 阅读全文
posted @ 2018-03-15 16:24 喵喵帕斯 阅读(2023) 评论(0) 推荐(0)
摘要:https://mp.weixin.qq.com/s/e0jXXCIhbaZz7xaCZl-YmA 不均衡的数据通常来说形式都比较固定,并且也比较好区分.比如说你手头上现在有苹果和梨,在这个时候你手中的数据都跟你说,全世界的人都吃梨哦,这个时候你去找一个路人甲,问问他你是不是喜欢吃梨啊,这个时候我们 阅读全文
posted @ 2018-03-15 15:37 喵喵帕斯 阅读(494) 评论(0) 推荐(0)
摘要:使用maven assembly插件完成打包 修改pom: 在要打包的项目目录打开cmd,执行 在项目的target文件夹下可以看到 with dependiencies就是包含外部引用包的可执行jar文件 阅读全文
posted @ 2018-03-06 14:33 喵喵帕斯 阅读(431) 评论(0) 推荐(0)