随笔分类 -  机器学习

计算正逆序
摘要：1、利用 auc #encoding=utf8 from itertools import groupby import sys def calc_auc_and_pnr_fast(label,pred): sample = zip(label,pred) ## 根据pred倒排 sample_so 阅读全文
posted @ 2022-05-12 16:50 乐乐章 阅读(263) 评论(0) 推荐(0)
AUC两种计算方式
摘要：1.通过ROC曲线面积计算AUC AUC（Area Under Curve）被定义为ROC曲线下的面积。 ROC 曲线横坐标：假正率=FPR=FP/N： 预测为负 and 实际为正 / 实际为负 ROC 曲线纵坐标：真正率=TPR= TP/P ：预测为正 and 实际为正 / 实际为正 注意:有相同 阅读全文
posted @ 2021-09-04 18:18 乐乐章 阅读(4254) 评论(0) 推荐(0)
xgboost 自定义评价函数（metric）与目标函数
摘要：比赛得分公式如下： 其中，P为Precision , R为 Recall。 GBDT训练基于验证集评价，此时会调用评价函数，XGBoost的best_iteration和best_score均是基于评价函数得出。 评价函数： input: preds和dvalid，即为验证集和验证集上的预测值， r 阅读全文
posted @ 2017-05-27 22:07 乐乐章 阅读(10645) 评论(0) 推荐(0)
PR曲线 ROC曲线的 计算及绘制
摘要：在linear model中，我们对各个特征线性组合，得到linear score,然后确定一个threshold，linear score ＜ threshold 判为负类，linear score ＞ threshold 判为正类。画PR曲线时， 我们可以想象threshold 是不断变化的。首 阅读全文
posted @ 2017-05-08 14:54 乐乐章 阅读(19779) 评论(3) 推荐(0)
查准率与查全率(precision and recall) 的个人理解
摘要：假设要识别照片中的狗的，在一些照片中，包含12只狗的照片和一些猫的照片。算法识别出有8只狗。在确定的8只狗中，5只实际上是狗（真阳性TP），而其余的是猫（假阳性FP）。该程序的精度为5/8，而其召回率为5/12。 Confusion matrix TP: T 是指标记正确， P 是指实际中的类别是P 阅读全文
posted @ 2017-04-10 15:08 乐乐章 阅读(17930) 评论(0) 推荐(0)
Bootstrap抽样(自展法)
摘要：Bootstrap又称自展法，是用小样本估计总体值的一种非参数方法，在进化和生态学研究中应用十分广泛。例如进化树分化节点的自展支持率等。Bootstrap的思想，是生成一系列bootstrap伪样本，每个样本是初始数据有放回抽样。通过对伪样本的计算，获得统计量的分布。例如，要进行1000次boots 阅读全文
posted @ 2017-04-05 21:24 乐乐章 阅读(3335) 评论(0) 推荐(0)