首页 > 代码库 > 《机器学习》(周志华)笔记
《机器学习》(周志华)笔记
2.3性能度量
2.3.1 回归任务中的性能度量
均方误差
2.3.2 分类任务中的性能度量
精度 acc =(TP+TN)/(TP+FN+FP+TN)
错误率E =(FN+FP)/(TP+FN+FP+TN)
召回率 R = TP/(TP+FN) = TP/m+ 挑出的好瓜占所有好瓜的比例
真正例率 TPR = TP/(TP+FN)=TP/m+ 挑出的正例占所有正例的比例
假正例率 FPR = FP/(TN+FP)=FP/m- 挑出的反例占所有反例的比例
假反例率 FNR = FN/(TP+FN)= FN/m+ 未被挑出的正例占所有正例的比例
FNR+TPR = 1
P和R“互斥”,一个0一个1。组成PR图和PR曲线。
TPR和FPR“相吸”,同时为0同时为1.组成ROC图和ROC曲线。
F1是P和R的调和平均:
1/F1 = 1/2 *(1/P + 1/R)= 1/(2*P) + 1/(2*R)
Fb是P和R的加权调和平均:
1/Fb = 1/(1+b^2) *(1/P + b^2/R)= 1/((1+b^2)*P)+b^2/((1+b^2)*R)= 1/((1+b^2)*P)+1/((1+1/b^2)*R)
3.2线性回归
null
《机器学习》(周志华)笔记
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。