一、常用分类算法的优缺点 二、正确率能很好的评估分类算法吗 不同算法有不同特点，在不同数据集上有不同的表现效果，根据特定的任务选择不同的算法。如何评价分类算法的好坏，要做具体任务具体分析。对于决策树，主要用正确率去评估，但是其他算法，只用正确率能很好的评估吗？ 答案是否定的。 正确率确实 ...

机器学习分为三个阶段： 第一阶段：学习模型。采用学习算法，通过对训练集进行归纳学习得到分类模型； 第二阶段：测试模型。将已经学习得到的分类模型用于测试集，对测试集中未知类别的实例进行分类。 第三阶段：性能评估。显然，通过测试集产生的分类未必是最佳的，这就导致对测试集的分类 ...

，而且会得出错误的结论。 最近恰好在做文本分类的工作，所以把机器学习分类任务的评价指标又过了一遍。本文将 ...

一、ROC曲线： 1、混淆矩阵： 针对二元分类问题，将实例分为正类或者负类，会出现四种情况： （1）实例本身为正类，被预测为正类，即真正类（TP）； （2）实例本身为正类，被预测为负类，即假负类（FN）； （3）实例本身为负类，被预测为正类，即假正类（FP）； （4）实例本身为负类 ...

机器学习度量指标 分类评估指标 TN TP FN FP TP：预测为正向（P），实际上预测正确（ ...

有通用性 回归算法就是在不断的自身迭代的减少误差来使得回归算法的预测结果可以越发的逼近真实结果 线性 ...

线性回归 回归问题的目标值是连续性的值，而分类问题的目标值是离散型的值。 回归处理的问题为预测： 预测房价 销售额的预测 设定贷款额度 总结：上述案例中，可以根据事物的相关特征预测出对应的结果值 线性回归在生活中的映射（现实生活中就 ...

...