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。