上一页 1 ··· 20 21 22 23 24 25 26 27 28 ··· 31 下一页
2020年1月19日
机器学习代码基础（3）--Matplotlib速成
摘要： 1.3Matplotlib速成 matplotlib是python中著名的2D绘图库，使用方法比较简单，按照以下三步操作就能很简单地完成绘图。 （1）调用plot(),scatter()等方法，并为绘图填充数据，数据是numpy的ndarray类型对象； （2）设定数据标签，使用xlabel()、y 阅读全文
posted @ 2020-01-19 11:18 泰初 阅读(416) 评论(0) 推荐(0)
机器学习代码基础（2）--NumPy速成
摘要： 1.2 NumPy速成 numpy为scipy提供了基本的数据结构和运算，其中最主要的是ndarray多维数组，它提供了高效的适量运算功能。 1.2.1创建数组 #根据列表创建数组 import numpy as np myarray = np.array([1,2,3]) print(myarra 阅读全文
posted @ 2020-01-19 10:45 泰初 阅读(410) 评论(0) 推荐(0)
2020年1月18日
机器学习代码基础（1）--Python速成
摘要： 1.1python速成 1.1.1基本数据类型和赋值运算 字符串 data ='hello world!' print(data[0]) print(data[1:5]) print(len(data)) print(data) 数值 value=523 print(value) value=6.1 阅读全文
posted @ 2020-01-18 22:01 泰初 阅读(517) 评论(0) 推荐(0)
《机器学习(周志华)》笔记--模型的评估与选择（8）--评估方法、分类任务的性能指标、回归任务的性能指标具体实现
摘要： 2 模型评估与选择 2.1评估方法 2.1.1训练集和测试集 实例1：鸢尾花数据集（Iris） 鸢尾花数据集（Iris）是一个经典数据集。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于 阅读全文
posted @ 2020-01-18 21:41 泰初 阅读(1187) 评论(0) 推荐(0)
《机器学习(周志华)》笔记--模型的评估与选择（7）--sklearn中的分类性能指标
摘要： 六、sklearn中的分类性能指标 机器学习中常使用 sklearn 完成对模型分类性能的评估，我们需要掌握使用 sklearn 提供的以下接口： accuracy_score 准确度 precision_score 精准率 recall_score 召回率 f1_score F1 Score ro 阅读全文
posted @ 2020-01-18 21:14 泰初 阅读(1115) 评论(0) 推荐(0)
《机器学习(周志华)》笔记--模型的评估与选择（6）--衡量分类任务的性能指标：ROC曲线与AUC计算与绘制
摘要： 五、衡量分类任务的性能指标 5、ROC曲线与AUC （1）ROC曲线 ROC曲线( Receiver Operating Cha\fracteristic Curve )描述的 TPR （ True Positive Rate ）与 FPR （ False Positive Rate ）之间关系的曲 阅读全文
posted @ 2020-01-18 20:23 泰初 阅读(1358) 评论(0) 推荐(0)
2020年1月14日
《机器学习(周志华)》笔记--模型的评估与选择（5）--衡量分类任务的性能指标：精准度、召回率与F1 Score计算
摘要： 五、衡量分类任务的性能指标 3、精准度与召回率 精准率(Precision)指的是模型预测为 Positive 时的预测准确度，其计算公式如下： 召回率(Recall)指的是我们关注的事件发生了，并且模型预测正确了的比值，其计算公式如下： 混淆矩阵： 真实预测01 0 TN FP 1 FN TP 举 阅读全文
posted @ 2020-01-14 22:45 泰初 阅读(1518) 评论(0) 推荐(0)
2020年1月13日
《机器学习(周志华)》笔记--模型的评估与选择（4）--混淆矩阵
摘要： 五、衡量分类的性能指标 1、准确度的陷阱 准确度（正确率）越高就能说明模型的分类性能越好吗？ 答：非也！举个例子，现在我开发了一套癌症检测系统，只要输入你的一些基本健康信息，就能预测出你现在是否患有癌症，并且分类的准确度为 0.999。但是我们知道，一般年轻人患癌症的概率非常低，假设患癌症的概率为 阅读全文
posted @ 2020-01-13 17:27 泰初 阅读(1034) 评论(0) 推荐(0)
《机器学习(周志华)》笔记--模型的评估与选择（3）--衡量回归的性能指标：MSE、RMSE、MAE、R-Squared
摘要： 四、衡量回归的性能指标 1、均方误差-MSE（Mean Squared Error） 其中y^i表示第 i 个样本的真实标签，p^i表示模型对第 i 个样本的预测标签。 线性回归的目的就是让损失函数最小。那么模型训练出来了，我们在测试集上用损失函数来评估模型就行了。 2、均方根误差-RMSE（Roo 阅读全文
posted @ 2020-01-13 17:20 泰初 阅读(2205) 评论(0) 推荐(0)
《机器学习(周志华)》笔记--模型的评估与选择（2）--评估方法：留出法、K折交叉验证、自助法
摘要： 三、评估方法 1、留出法（hold-out） 直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T，即D = S ∪ T，S ∩ T = ø 。在 S 上训练出模型后，用 T 来评估其测试误差，作为对泛化误差的估计。 举例： 以二分类任务为例，假定 D 包含1000个样本 阅读全文
posted @ 2020-01-13 17:18 泰初 阅读(2726) 评论(0) 推荐(0)
上一页 1 ··· 20 21 22 23 24 25 26 27 28 ··· 31 下一页