一、常用分類算法的優缺點 二、正確率能很好的評估分類算法嗎 不同算法有不同特點，在不同數據集上有不同的表現效果，根據特定的任務選擇不同的算法。如何評價分類算法的好壞，要做具體任務具體分析。對於決策樹，主要用正確率去評估，但是其他算法，只用正確率能很好的評估嗎？ 答案是否定的。 正確率確實 ...

機器學習分為三個階段： 第一階段：學習模型。采用學習算法，通過對訓練集進行歸納學習得到分類模型； 第二階段：測試模型。將已經學習得到的分類模型用於測試集，對測試集中未知類別的實例進行分類。 第三階段：性能評估。顯然，通過測試集產生的分類未必是最佳的，這就導致對測試集的分類 ...

，而且會得出錯誤的結論。 最近恰好在做文本分類的工作，所以把機器學習分類任務的評價指標又過了一遍。本文將 ...

一、ROC曲線： 1、混淆矩陣： 針對二元分類問題，將實例分為正類或者負類，會出現四種情況： （1）實例本身為正類，被預測為正類，即真正類（TP）； （2）實例本身為正類，被預測為負類，即假負類（FN）； （3）實例本身為負類，被預測為正類，即假正類（FP）； （4）實例本身為負類 ...

機器學習度量指標 分類評估指標 TN TP FN FP TP：預測為正向（P），實際上預測正確（ ...

有通用性 回歸算法就是在不斷的自身迭代的減少誤差來使得回歸算法的預測結果可以越發的逼近真實結果 線性 ...

線性回歸 回歸問題的目標值是連續性的值，而分類問題的目標值是離散型的值。 回歸處理的問題為預測： 預測房價 銷售額的預測 設定貸款額度 總結：上述案例中，可以根據事物的相關特征預測出對應的結果值 線性回歸在生活中的映射（現實生活中就 ...

...