【机器学习与R语言】12- 如何评估模型的性能？
目录 1.评估分类方法的性能 1.1 混淆矩阵 1.2 其他评价指标 1）Kappa统计量 2）灵敏度与特异性 3）精确度与回溯精确度 4）F度量 1.3 性能权衡可视化 ...
原文：【机器学习与R语言】13- 如何提高模型的性能？
目录 .调整模型参数来提高性能 . 创建简单的调整模型 . 定制调整参数 .使用元学习来提高性能 . 集成学习 元学习 概述 . bagging . boosting . 随机森林 训练随机森林 评估随机森林性能 .调整模型参数来提高性能 参数调整：调节模型合适的选项的过程，如股票C . 决策树模型中的trials参数，神经网络中的调节节点 隐层数目，SVM中的核函数等等。 caret包自动调整 ...
2020-09-11 21:23 0 1004 推荐指数：
相关推荐
【机器学习与R语言】7-回归树和模型树
目录 1.理解回归树和模型树 2.回归树和模型树应用示例 1）收集数据 2）探索和准备数据 3）训练数据 4）评估模型 5）提高模型性能 1.理解回归树和模型树 决策树用于数值预测： 回归树 ...
机器学习与R语言
此书网上有英文电子版：Machine Learning with R - Second Edition [eBook].pdf（附带源码） 评价本书：入门级的好书，介绍了多种机器学习方法，全部用R相关的包实现，案例十分详实，理论与实例结合。 目录 第一章 机器学习简介 第二章 数据 ...
【机器学习与R语言】1-机器学习简介
目录 1.基本概念 2.选择机器学习算法 3.使用R进行机器学习 1.基本概念 机器学习：发明算法将数据转化为智能行为 数据挖掘 VS 机器学习：前者侧重寻找有价值的信息，后者侧重执行已知的任务。后者是前者的先期准备 过程：数据——> ...
机器学习-线性回归（基于R语言）
基本概念 利用线性的方法，模拟因变量与一个或多个自变量之间的关系。自变量是模型输入值，因变量是模型基于自变量的输出值。 因变量是自变量线性叠加和的结果。 线性回归模型背后的逻辑——最小二乘法计算线性系数 最小二乘法怎么理解？ 它的主要思想就是求解未知参数，使得理论值与观测值之差 ...
R语言 机器学习包
from:http://www.zhizhihu.com/html/y2009/410.html 机器学习是计算机科学和统计学的边缘交叉领域，R关于机器学习的包主要包括以下几个方面： 1）神经网络（Neural Networks）： nnet包执行单隐层前馈神经网络，nnet是VR包的一部分 ...
机器学习与R语言：NB
#---------------------------------------- # 功能描述：演示NB建模过程 # 数据集：SMS文本信息 # tm包：维也纳财经大学提供 #-------- ...
【机器学习与R语言】5-规则学习算法
目录 1.分类规则原理 1.1 1R单规则算法 1.2 RIPPER算法 2. 规则学习应用示例 1）收集数据 2）探索和准备数据 3）训练数据 4）评估性能 5）提高性能 6）选择 ...