申明：因为看的这个课老师讲的有点乱，课程也有的章节少那么几小节。所以对一些东西没理解透彻，而且有些乱。 所以，望理解，等以后学的更深刻了再回来修改。 1.ROC与AOC ROC与AUC ROC：横轴False 纵轴TRUE理想情况下（0，1）达不到 最完美的情况每一个Threshold都可以判断出来 ...
分类：
其他好文 时间：
2018-11-22 00:16:10
阅读次数：
313
全文转自：https://www.cnblogs.com/gatherstars/p/6084696.html#commentform 这篇真的讲的清楚明白！要多复习！加深记忆！ 1.概述 AUC（Area Under roc Curve）是一种用来度量分类模型好坏的一个标准。这样的标准其实有很多， ...
分类：
其他好文 时间：
2018-11-11 23:26:40
阅读次数：
187
最近在升级交流学习社区，觉得有必要升级成https.以下是自己在升级中记录。 以下包括以下部分： 一、阿里云免费购买SSL证书 1、自己在阿里云申请了免费的，然后自己支付0元，购买了SSL证书 2、我选择DNS验证 3、在SSL证书中，下载cert证书，然后放到nginx服务器上 二、nginx无缝 ...
分类：
Web程序 时间：
2018-10-27 21:06:46
阅读次数：
185
这里主要讲的是对分类模型的评估。 1、准确率（Accuracy) 准确率的定义是：【分类正确的样本】 / 【总样本个数】，其中分类正确的样本是不分正负样本的 优点：简单粗暴 缺点：当正负样本分布不均衡的情况（假设一种极端情况，正样本1个，负样本99个），此时即使一个比较差的模型（只会将所用的样本预测 ...
分类：
其他好文 时间：
2018-10-19 23:42:08
阅读次数：
209
# 机器学习之ROC曲线 roc曲线全称受试者工作曲线，ROC曲线下面积就是AUC（Area under the curve），AUC用来衡量二分类机器学习算法的性能，即泛化能力
这里有几个概念，真阳性率，假阳性率，真阴性率，假阴性率，这四个率的产生是一个相对指标，即有一个参考标准，比如一个检测方法... ...
分类：
其他好文 时间：
2018-10-16 01:45:57
阅读次数：
180
bootstrap与表单 Bootstrap是美国Twitter公司的设计师Mark Otto和Jacob Thornton合作基于HTML、CSS、JavaScript 开发的简洁、直观、强悍的前端开发框架，使得 Web 开发更加快捷. Bootstrap提供了优雅的HTML和CSS规范，它即是由 ...
分类：
Web程序 时间：
2018-10-04 11:01:38
阅读次数：
210
转https://www.zybuluo.com/frank-shaw/note/152851 新理解：我认为auc，和ks异曲同工。auc是根据预测概率（由大到小排序）作为阈值，可分割为不多于样本个数n个阈值。即可得到n个recall和precision把这些点连成线即为roc曲线。auc即为ro ...
分类：
其他好文 时间：
2018-09-30 00:53:22
阅读次数：
431
特征工程是机器学习当中很重要的部分，可以帮助我们设计、创建新特征，以便模型从中提取重要相关性。本文将记录并持续更新相关特征工程的工具包介绍，包括自动模型选择和超参数调优等各方面。 · Featuretools Featuretools 是一个开源的Python 库，用于自动化特征工程。自动特征工程能 ...
分类：
其他好文 时间：
2018-09-27 22:17:06
阅读次数：
431
AUC的本质 定义auc是roc曲线下的面积。其中，roc是横坐标为fpr，纵坐标是tpr的坐标系上的曲线。TPR(true positive rate)：所有正样本中被预测为正的比例FPR(false positive rate)：所有负样本中被预测为正的比例a. 对于相同的FPR，TPR越高越好... ...
分类：
其他好文 时间：
2018-09-25 01:24:59
阅读次数：
285
通常我们在做CTR预估的时候，预估值会与真是的CTR有偏差，这种偏差可能来自于负采样，可能是因为模型的问题。 CTR预估值与真实值有偏差，并不会影响AUC指标和排序，但是实际使用中往往需要CTR的预估值不仅仅是做到有序，即正样本排在负样本前面，而且需要保证有一定的区分度。这涉及到一个概念保序和保距。 ...
分类：
其他好文 时间：
2018-09-19 17:14:46
阅读次数：
1761
