【機器學習與R語言】12- 如何評估模型的性能？
目錄 1.評估分類方法的性能 1.1 混淆矩陣 1.2 其他評價指標 1）Kappa統計量 2）靈敏度與特異性 3）精確度與回溯精確度 4）F度量 1.3 性能權衡可視化 ...
原文：【機器學習與R語言】13- 如何提高模型的性能？
目錄 .調整模型參數來提高性能 . 創建簡單的調整模型 . 定制調整參數 .使用元學習來提高性能 . 集成學習 元學習 概述 . bagging . boosting . 隨機森林 訓練隨機森林 評估隨機森林性能 .調整模型參數來提高性能 參數調整：調節模型合適的選項的過程，如股票C . 決策樹模型中的trials參數，神經網絡中的調節節點 隱層數目，SVM中的核函數等等。 caret包自動調整 ...
2020-09-11 21:23 0 1004 推薦指數：
相關推薦
【機器學習與R語言】7-回歸樹和模型樹
目錄 1.理解回歸樹和模型樹 2.回歸樹和模型樹應用示例 1）收集數據 2）探索和准備數據 3）訓練數據 4）評估模型 5）提高模型性能 1.理解回歸樹和模型樹 決策樹用於數值預測： 回歸樹 ...
機器學習與R語言
此書網上有英文電子版：Machine Learning with R - Second Edition [eBook].pdf（附帶源碼） 評價本書：入門級的好書，介紹了多種機器學習方法，全部用R相關的包實現，案例十分詳實，理論與實例結合。 目錄 第一章 機器學習簡介 第二章 數據 ...
【機器學習與R語言】1-機器學習簡介
目錄 1.基本概念 2.選擇機器學習算法 3.使用R進行機器學習 1.基本概念 機器學習：發明算法將數據轉化為智能行為 數據挖掘 VS 機器學習：前者側重尋找有價值的信息，后者側重執行已知的任務。后者是前者的先期准備 過程：數據——> ...
機器學習-線性回歸（基於R語言）
基本概念 利用線性的方法，模擬因變量與一個或多個自變量之間的關系。自變量是模型輸入值，因變量是模型基於自變量的輸出值。 因變量是自變量線性疊加和的結果。 線性回歸模型背后的邏輯——最小二乘法計算線性系數 最小二乘法怎么理解？ 它的主要思想就是求解未知參數，使得理論值與觀測值之差 ...
R語言 機器學習包
from:http://www.zhizhihu.com/html/y2009/410.html 機器學習是計算機科學和統計學的邊緣交叉領域，R關於機器學習的包主要包括以下幾個方面： 1）神經網絡（Neural Networks）： nnet包執行單隱層前饋神經網絡，nnet是VR包的一部分 ...
機器學習與R語言：NB
#---------------------------------------- # 功能描述：演示NB建模過程 # 數據集：SMS文本信息 # tm包：維也納財經大學提供 #-------- ...
【機器學習與R語言】5-規則學習算法
目錄 1.分類規則原理 1.1 1R單規則算法 1.2 RIPPER算法 2. 規則學習應用示例 1）收集數據 2）探索和准備數據 3）訓練數據 4）評估性能 5）提高性能 6）選擇 ...