查看: 96|回复: 3

[原创] 机器学习小结二

[复制链接]
论坛徽章:
10
统计徽章
日期:2017-08-17 17:13:12人工智能徽章
日期:2018-09-03 15:45:32caffe徽章
日期:2018-08-30 15:34:12matlab徽章
日期:2018-05-24 16:09:45OpenCV徽章
日期:2018-04-12 14:26:04OpenCV徽章
日期:2018-03-01 16:42:27Tensorflow徽章
日期:2018-01-25 17:08:48R研习者中级
日期:2017-11-03 16:07:51机器学习徽章
日期:2017-09-19 11:01:51人工智能徽章
日期:2019-10-11 10:02:05
发表于 2019-10-20 19:54 | 显示全部楼层 |阅读模式

基础 机器学习 函数

介绍完线性回归,接下来讲解的是逻辑回归。

它实际上就是在线性回归出来的值基础上再加上sigmoid激活函数(e^x/(1+e^x))使得任何值都投射到(0, 1)范围内,

基于逻辑回归就可以实现分类功能了。
回复

使用道具 举报

论坛徽章:
10
统计徽章
日期:2017-08-17 17:13:12人工智能徽章
日期:2018-09-03 15:45:32caffe徽章
日期:2018-08-30 15:34:12matlab徽章
日期:2018-05-24 16:09:45OpenCV徽章
日期:2018-04-12 14:26:04OpenCV徽章
日期:2018-03-01 16:42:27Tensorflow徽章
日期:2018-01-25 17:08:48R研习者中级
日期:2017-11-03 16:07:51机器学习徽章
日期:2017-09-19 11:01:51人工智能徽章
日期:2019-10-11 10:02:05
 楼主| 发表于 2019-10-20 20:04 | 显示全部楼层
评估模型的参数有以下几个:
1)accuracy   这个是总的准确度统计, 所有准确预测值之和/所有预测次数之和

2)precision  也是准确度,但是和上面概念不一样, 首先它可以求出每个类别的准确度,其次求算公式也不一样: TP/(TP+FP)

3)Recall  中文名是 召回率  公式为 TP/(TP+FN)  这里的关键是理解 FN, 该指标实质是检测 漏检率。

4)F-SCORE  主要的用的是 F1-score 其值等于  2 * (precision * recall) / (precision + recall)
回复 支持 反对

使用道具 举报

论坛徽章:
5
Hadoop研习者初级
日期:2015-01-14 15:17:46Docker徽章
日期:2017-05-25 16:49:05股票徽章
日期:2019-01-24 16:03:16python徽章
日期:2019-01-30 10:33:01股票徽章
日期:2019-02-21 14:41:14
发表于 2019-10-20 20:11 | 显示全部楼层
认真谢谢了逻辑回归,谢谢分享知识,大家一起进步!
回复 支持 反对

使用道具 举报

论坛徽章:
32
数据陷阱解读徽章
日期:2015-09-25 12:35:19Tomcat徽章
日期:2017-09-07 16:21:56perl徽章
日期:2017-10-20 16:35:04STATA徽章
日期:2017-11-03 16:07:37金融徽章
日期:2017-12-08 10:41:29Kaggle徽章
日期:2017-12-25 17:28:27Git徽章
日期:2017-12-25 17:35:54CUDA徽章
日期:2017-12-25 17:37:49Julia徽章
日期:2017-12-25 17:39:24Java徽章
日期:2018-01-04 17:15:14架构徽章
日期:2018-01-11 17:24:29Agile徽章
日期:2018-06-07 16:21:51
发表于 2019-10-20 21:26 | 显示全部楼层
本帖最后由 panel 于 2019-10-20 21:27 编辑

感谢分享学习心得,通过对学习内容的小结,可以一同进步!
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博登陆

本版积分规则

 

GMT+8, 2019-11-16 05:02 , Processed in 0.086017 second(s), 39 queries .

关闭

扫一扫加入
本版微信群