码上快乐
1秒登录
首页
榜单
标签
关于
搜索
相关内容
简体
繁体
机器学习:模型评估与选择:性能度量——代价敏感错误率与代价曲线
本文转载自
查看原文
2018-03-12 13:51
1147
Machine Learning
代价敏感错误率
代价曲线
×
免责声明!
本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系本站邮箱yoyou2525@163.com删除。
猜您在找
机器学习 | 分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
代价敏感学习
机器学习笔记-准确率、错误率、精确率、召回率、F1-Score、PR曲线 & ROC曲线
《机器学习Python实现_08_代价敏感学习_添加sample_weight支持》
《机器学习(周志华)》笔记--模型的评估与选择(6)--衡量分类任务的性能指标:ROC曲线与AUC计算与绘制
机器学习实战笔记(Python实现)-07-模型评估与分类性能度量
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
代价敏感的学习方法
《机器学习(周志华)》笔记--模型的评估与选择(5)--衡量分类任务的性能指标:精准度、召回率与F1 Score计算
《机器学习(周志华)》笔记--模型的评估与选择(7)--sklearn中的分类性能指标
粤ICP备18138465号
© 2018-2025 CODEPRJ.COM