happygril3

摘要： 预测 1 0 实际 1 TP FN 0 FP TN 真正类率(True Positive Rate , TPR)【灵敏度(sensitivity)】：正样本预测结果数/正样本实际数，TPR = TP /(TP + FN) 假负类率(False Negative Rate , FNR) ：即被预测为负 阅读全文

摘要： sklearn.linear_model.LogisticRegression penalty=l2, # 惩罚项，L1作用是产生少量的特征，而其他特征都是0，常用于特征选择；L2作用是选择较多的特征，使他们都趋近于0。 dual=False, # 对偶方法（原始问题和对偶问题），用于求解线性多核（ 阅读全文

摘要： 监督学习可以看做最小化下面的目标函数： L1正则化和L2正则化可以看做是损失函数的惩罚项，对损失函数中的某些参数做一些限制 第1项为经验风险，即模型f(x)关于训练数据集的平均损失； 第2项为正则化项，去约束我们的模型更加简单 （L1范数让W等于0，L2范数让W都接近于0，越小的参数说明模型越简单， 阅读全文