摘要：1.train_test_split函数 train_test_split函数可以很快的将数据划分为训练集和测试集，以iris数据集为例，用svm算法来做分类预测： 下面可以用train_test_split函数来将数据分为训练集和测试集 score显示，此训练后的分类器预测的正确率为0.96666 阅读全文

摘要：关于分类问题的metrics有很多，这里仅介绍几个常用的标准。 1.Accuracy score（准确率） 假设真实值为$y$，预测值为$\hat{y}$，则Accuracy score的计算公式为： $accuracy(y,\hat{y}) = \dfrac 1 m \displaystyle\s 阅读全文

摘要：Sklearn.metrics类为sklearn包里的metric类，今天先学习关于Regression metrics 的一些方法。 1.Explained variance score 假设真实值为$y$，预测值为$\hat{y}$，则Explained variance score的计算公式为 阅读全文

摘要：1. 模型 逻辑回归的Model为:$ h_\theta(x)=\dfrac 1 {1+e^{ (\theta^Tx+b)}} $ 2.代价函数 针对一个样本的代价函数为： if y = 1 : $ cost(x)= log(h_\theta(x))$ if y = 0 : $ cost(x)= l 阅读全文