soyosuyang

2017年11月7日

摘要：结果： + +| features|+ +|[5.1,3.5,1.4,0.2]||[4.9,3.0,1.4,0.2]||[4.7,3.2,1.3,0.2]||[4.6,3.1,1.5,0.2]||[5.0,3.6,1.4,0.2]||[5.4,3.9,1.7,0.4]||[4.6,3.4,1.4,0 阅读全文

posted @ 2017-11-07 16:02 soyosuyang 阅读(334) 评论(0) 推荐(0)

2017年11月6日

Spark 决策树--回归模型

posted @ 2017-11-06 16:08 soyosuyang 阅读(1088) 评论(0) 推荐(0)

方差标准差均方误差均方根误差

摘要：方差：是每个样本值与全体样本值的平均数之差的平方值的平均数标准差：是方差的算术平方根。标准差能反映一个数据集的离散程度均方误差：对每一个样本，利用机器学习模型判定的类型与真实类型的差值的平方的平均数。（它是观测值与真值偏差的平方与观测次数n比值）均方根误差（亦称标准误差）：它是观测值与真值偏差阅读全文

posted @ 2017-11-06 15:49 soyosuyang 阅读(1901) 评论(0) 推荐(0)

Spark 决策树--分类模型

摘要：结果为： + + +| features| label|+ + +|[5.1,3.5,1.4,0.2]|hadoop||[4.9,3.0,1.4,0.2]|hadoop||[4.7,3.2,1.3,0.2]|hadoop||[4.6,3.1,1.5,0.2]|hadoop||[5.0,3.6,1.4 阅读全文

posted @ 2017-11-06 14:22 soyosuyang 阅读(529) 评论(0) 推荐(0)

2017年11月5日

回归和分类的区别

摘要：分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。举几个例子: 1. Logistic Regression 和 Linear Regression： Linear Regression：输出一个标量 wx+b，这个值是连续值，所以可以用来处理回归问题。 Logistic Regre 阅读全文

posted @ 2017-11-05 16:30 soyosuyang 阅读(4736) 评论(0) 推荐(0)

Spark 多项式逻辑回归__多分类

posted @ 2017-11-05 15:58 soyosuyang 阅读(2289) 评论(1) 推荐(0)

Spark 多项式逻辑回归__二分类

摘要：结果： + + +| features|label|+ + +|[5.1,3.5,1.4,0.2]|soyo1||[4.9,3.0,1.4,0.2]|soyo1||[4.7,3.2,1.3,0.2]|soyo1||[4.6,3.1,1.5,0.2]|soyo1||[5.0,3.6,1.4,0.2]| 阅读全文

posted @ 2017-11-05 15:48 soyosuyang 阅读(675) 评论(0) 推荐(0)

Spark 二项逻辑回归__二分类

posted @ 2017-11-05 15:46 soyosuyang 阅读(1342) 评论(0) 推荐(0)

数据仓库 VS 数据库

摘要：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。（1）面向主题：指数据仓库中的数据是按照一定的主题域进行组织。阅读全文

posted @ 2017-11-05 10:15 soyosuyang 阅读(269) 评论(0) 推荐(0)

2017年11月4日

准确率，精确率，召回率，F-measure 之间的关系

摘要：总结：（图上 R的计算的分母应该是：40+10 ）（笔误）模型条件放宽，负类被误判为正类的可能性就变大（即FP变大）精确率和准确率会受影响（变小）模型条件变严格，正类有可能被误判为负类（即FN变大）召回率会变小 F-measure是一种统计量，F-Measure又称为F-Score，F-Mea 阅读全文

posted @ 2017-11-04 10:33 soyosuyang 阅读(1731) 评论(0) 推荐(0)

公告