随笔分类 -  算法

上一页 1 2

提升树_AdaBoost
摘要：分类与回归两种类型的问题 adaptive（自适应） 损失函数：指数损失函数 AdaBoost：是多个分类器的组合，共同决定预测结果。而且适用数值型和标称型（类别）数据。 对于训练数据中的每个样本数据，赋予其一个权重，这些样本权重向量D，初始时权重都化为相等值。Di=1/样本中数据个数 在训练数据上 阅读全文

posted @ 2020-09-10 08:23 happygril3 阅读(185) 评论(0) 推荐(0)

模型评估指标
摘要：（1）分类问题评估指标： 准确率 - Accuracy 精确率（差准率）- Precision 召回率（查全率）- Recall F1分数 KS曲线 ROC曲线 AUC曲线 （2）回归问题评估指标： MAE/MSE 准确率 Accuracy = (TP+TN)/(TP+TN+FP+FN) 精确率 P 阅读全文

posted @ 2020-09-09 11:27 happygril3 阅读(563) 评论(0) 推荐(0)

特征选择
摘要：（1）业务中的模型中会遇到的问题 模型效果不好 训练集效果好，跨时间测试效果不好 跨时间测试效果也好，上线之后效果不好（一般是线上线下变量逻辑不一致） 上线之后效果还好，几周之后分数分布开始下滑（有部分变量跨时间测试不好） 一两个月内都比较稳定，突然分数分布骤降（模型因该没问题，关注外部环境） 没有 阅读全文

posted @ 2020-09-09 10:12 happygril3 阅读(503) 评论(0) 推荐(0)

模型误差
摘要：偏差bias 偏差是指预测结果与真实值之间的差异，排除噪声的影响，偏差更多的是针对某个模型输出的样本误差 偏差是模型无法准确表达数据关系导致，模型拟合度不够导致，比如模型过于简单，非线性的数据关系采用线性模型建模，偏差较大的模型是错的模型； 偏差不是随机产生的，可通过一定的特征工程进行预测； 方差v 阅读全文

posted @ 2020-09-09 09:42 happygril3 阅读(889) 评论(0) 推荐(0)

PSI
摘要：稳定度指标(population stability index ,PSI) PSI = sum(（实际占比-预期占比）/ln(实际占比/预期占比)) 小于0.1 时候模型稳定性很高， 0.1-0.2 一般，需要进一步研究 大于0.2 模型稳定性差，建议修复。 PSI实际应用范例： 1）样本外测试 阅读全文

posted @ 2020-09-09 09:28 happygril3 阅读(1080) 评论(0) 推荐(0)

上一页 1 2

导航