当只有几个正样本，你如何分类无标签数据 假设您有一个交易业务数据集。有些交易被标记为欺诈，其余交易被标记为真实交易，因此您需要设计一个模型来区分欺诈交易和真实交易。 假设您有足够的数据和良好的特征，这似乎是一项简单的分类任务。 但是，假设数据集中只有15％的数据被标记，并且标记的样本仅属于一类 ...

非监督分类的概念： 非监督分类，又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识，仅依靠图像上不同地物光谱信息进行特征提取，在统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。 在ENVI中 ...

线性回归及sgd/bgd的介绍： 监督学习——随机梯度下降算法（sgd）和批梯度下降算法（bgd） 训练数据形式： （第一列代表x1，第二列代表 x2，第三列代表 数据标签 用 0/1表示） 训练函数形式： y = sigmod ...

对模型进行评估时，可以选择很多种指标，但不同的指标可能得到不同的结果，如何选择合适的指标，需要取决于任务需求。 正确率与错误率 正确率：正确分类的样本数/总样本数，accuracy 错误率：错误分类的样本数/总样本数，error 正确率+错误率=1 这两种指标最简单，也最常 ...

常见的二分类评估指标都已耳熟不能详，现在来了解一下多分类的评估。 你是否愿闻其详？ Reference webs: https://www.pythonf.cn/read/124960 https://zhuanlan.zhihu.com/p/59862986 https ...

一直对于各种分类器评估的指标有点晕，今天决定琢磨下，并且写下来，方便以后回忆。 一、混淆矩阵 来源于信息论，根据上面的混淆矩阵，有3个指标需要搞清楚，我觉得记公式真的很容易搞混，建议大家都直接记文字加上自己理解就好了。 准确率=正确预测正负的个数/总个数（这个指标在python中 ...

错误率：错分样本的占比。如果在m个样本中有a个样本分类错误，则错误率为E=a/m;相应的，1-a/m称为“精度”，即“精度=1-错误率” 误差：样本真实输出与预测输出之间的差异。 训练(经验)误差：训练集上；测试误差：测试集；泛化误差：除训练集外所有样本 过拟合：学习器把训练样本学习的“太好 ...

半监督学习 主动学习 用已标记样本训练出一个模型，用模型对未标记样本进行预测，选出对改善性能有帮助（比如选出那些不太确定的未标记样本）的样本，向专家征求最终标记的意见，并将专家意见作为标记，将该样本加入训练集得出新模型，不断重复这个工作。 关键：外界因素，即专家经验 ...