机器学习的评估 PR曲线用于positive类数据占比比较小，或者你更加在意false postion（相比于false negative）；其他情况采用ROC曲线；比如Demo中手写体5的判断，因为只有少量5，所以从ROC上面来看分类效果不错，但是从PR曲线可以看到分类器效果不佳。 y_score... ...
分类：
其他好文 时间：
2018-07-17 23:24:07
阅读次数：
502
第三章 使用sklearn 实现机学习的分类算法 分类算法 分类器的性能与计算能力和预测性能很大程度上取决于用于模型训练的数据 训练机器学习算法的五个步骤： 1. 特征的选择 2. 确定评价性能的标准 3. 选择分类器及其优化算法 4. 对模型性能的评估 5. 算法的调优 <! more sklea ...
分类：
其他好文 时间：
2018-07-17 00:47:03
阅读次数：
213
https://blog.csdn.net/han_xiaoyang/article/details/49999583 1. 线性分类器 在深度学习与计算机视觉系列(2)我们提到了图像识别的问题，同时提出了一种简单的解决方法——KNN。然后我们也看到了KNN在解决这个问题的时候，虽然实现起来非常简单 ...
分类：
其他好文 时间：
2018-07-15 11:03:48
阅读次数：
373
3.1调试处理 （1）不同超参数调试的优先级是不一样的，如下图中的一些超参数，首先最重要的应该是学习率α（红色圈出），然后是Momentum算法的β、隐藏层单元数、mini-batch size（黄色圈出）、再之后是Layer、learning rate decay（紫色圈出）、最后是Adam算法中 ...
分类：
其他好文 时间：
2018-07-14 14:48:34
阅读次数：
169
一、相同点 第一，LR和SVM都是分类算法（SVM也可以用与回归） 第二，如果不考虑核函数，LR和SVM都是线性分类算法，也就是说他们的分类决策面都是线性的。 这里要先说明一点，那就是LR也是可以用核函数的。总之，原始的LR和SVM都是线性分类器，这也是为什么通常没人问你决策树和LR什么区别，你说一 ...
分类：
其他好文 时间：
2018-07-12 22:44:15
阅读次数：
183
不均衡学习的抽样方法 通常情况下，在不均衡学习应用中使用抽样方法的目的就是为了通过一些机制改善不均衡数据集，以期获得一个均衡的数据分布。 研究表明，对于一些基分类器来说，与不均衡的数据集相比一个均衡的数据集可以提高全局的分类性能。数据层面的处理方法是处理不均衡数据分类问题的重要途径之一，它的实现方法 ...
分类：
其他好文 时间：
2018-07-12 10:34:19
阅读次数：
620
理论 什么是朴素贝叶斯算法？ 朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器，所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为这些属性 ...
分类：
编程语言 时间：
2018-07-07 20:41:29
阅读次数：
197
GridSearchCV 简介： GridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集，一旦数据的量级上去了，很难得出结果。这个时候就是需要动脑筋了。数据量比较大的时候可以使用一个快速调优的方法——坐标下降。它其实是一种贪心算法 ...
分类：
其他好文 时间：
2018-07-06 01:47:23
阅读次数：
357
KNN 算法介绍： 缺点： 对一个算法的掌握无非知其然，也知其所以然 使用scikit中的KNN： 自己实现KNN 分类器: 调用： 超参数和模型参数： 如何寻找好的超参数 明可夫斯基距离 当p的值为1时，则是曼哈顿距离，当p为2时则是欧拉距离 数据归一化： 测试数据归一化 使用StandardSc ...
分类：
其他好文 时间：
2018-07-06 01:32:46
阅读次数：
236
你可能会想为什么有人会用1x1卷积，因为它关注的不是一块像素，而是一个像素，图1 图1 我们看看传统的卷积，它基本上是运行在一个小块图像上的小分类器，但仅仅是个线性分类器。图2 图2 如果你在中间加一个1x1卷积，你就用运行在一块像素上的神经网络代替了线性分类器。 在卷积操作中散步一些1x1卷积是一 ...
分类：
其他好文 时间：
2018-07-04 20:09:41
阅读次数：
124
