隨機分類器，也就是對於一個分類問題，隨機猜測答案。理論上，隨機分類器的性能是所有分類器的下界。對隨機分類器的理解，可以幫助更好的理解分類器的性能指標。隨機分類器的性能也可以作為評價分類器的一個基礎。所 ...

已遷移到我新博客，閱讀體驗更佳基於sklearn的分類器實戰 完整代碼實現見github：click me 一、實驗說明 1.1 任務描述 1.2 數據說明 一共有十個數據集，數 ...

偏差和方差 機器學習算法針對特定數據所訓練出來的模型並非是十全十美的，再加上數據本身的復雜性，誤差不可避免。說到誤差，就必須考慮其來源：模型誤差 = 偏差（Bias）+ 方差（Variance）+ ...

相信大家在機器學習中，一定常見到;SVC，NvSVC，LinearSVC，今天我們就來看看這三者的區別。 一、SVC(C-Support Vector Classification)： 支持向量分類，基於libsvm實現的，數據擬合的時間復雜度是數據樣本的二次方，這使得他很難擴展到10000 ...

理解模型正則化：L1正則、L2正則（理論+代碼） 0 前言 我們已經知道了模型誤差 = 偏差 + 方差 + 不可避免的誤差，且在機器學習領域中最重要就是解決過擬合的問題，也就是降 ...

已遷移到我新博客,閱讀體驗更佳LDA && NCA: 降維與度量學習 代碼實現放在我的github上:click me 一、Linear Discriminant Analysis( ...

recognition vs classification The field of recognition or pattern recognition is concerned with the automatic discovery of regularities in data ...

一、概括： L1和L2是正則化項，又叫做罰項，是為了限制模型的參數，防止模型過擬合而加在損失函數后面的一項。 二、區別： 　　1.L1是模型各個參數的絕對值之和。 　　　L2是模型各個參數的平 ...

一、什么是ROC曲線 對於分類模型，常見的模型評價指標有精確率、召回率以及ROC曲線等，看名字不太好理解，下面來仔細分析。 混淆矩陣: 表中結果分為四類： ...

softmax模型可以用來給不同的對象分配概率。即使在之后，我們訓練更加精細的模型時，最后一步也需要用softmax來分配概率。 cross-entropy 交叉熵是度量這 ...