了几种分类器的效果，并直观的显示之 效果图： 说明： 1.原 ...

已迁移到我新博客，阅读体验更佳基于sklearn的分类器实战 完整代码实现见github：click me 一、实验说明 1.1 任务描述 1.2 数据说明 一共有十个数据集，数据集中的数据属性有全部是离散型的，有全部是连续型的，也有离散与连续混合型的。通过对各个数据集的浏览 ...

该项目的目的是建立一个有关于人脸的二分类器。 steps : 1. Load the data2. Define a Convolutional Neural Network3. Train the Model4. Evaluate the Performance of our ...

这几天在看 sklearn 的文档，发现他的分类器有很多，这里做一些简略的记录。 大致可以将这些分类器分成两类： 1）单一分类器，2）集成分类器 一、单一分类器 下面这个例子对一些单一分类器效果做了比较 下图是效果图： 二、集成分类器 集成分类器有四种 ...

一、朴素贝叶斯分类器的构建 二、数据集的获取 三、加载数据与数据转换 四、模型拟合、预测与精度 单次训练 多次训练，精确度没有太多的改变，说明朴素贝叶斯分类器只要很少的样本就能学习到大部分 ...

二分类 分类问题是机器学习中非常重要的一个课题。现实生活中有很多实际的二分类场景，如对于借贷问题，我们会根据某个人的收入、存款、职业、年龄等因素进行分析，判断是否进行借贷；对于一封邮件，根据邮件内容判断该邮件是否属于垃圾邮件。 图1-1 分类示意图 回归作为分类的缺陷 由于回归 ...

原创博文，转载请注明出处！ 1.ROC曲线介绍 ROC曲线适用场景 二分类任务中，positive和negtive同样重要时，适合用ROC曲线评价 ROC曲线的意义 TPR的增长是以FPR的增长为代价 2.ROC曲线绘制 纵坐标 ...

二分类问题的交叉熵   在二分类问题中，损失函数（loss function）为交叉熵（cross entropy）损失函数。对于样本点(x,y)来说，y是真实的标签，在二分类问题中，其取值只可能为集合{0, 1}. 我们假设某个样本点的真实标签为yt, 该样本点取yt=1的概率为yp ...