- 博客(3)
- 收藏
- 关注
RSS订阅原创 理解ROC曲线与AUC：用KNN分类器进行性能评估
ROC曲线（Receiver Operating Characteristic curve，受试者工作特征曲线）是一种展示分类模型在所有分类阈值下性能表现的图形化方法。它绘制了真正例率(TPR)和假正例率(FPR)之间的关系：真正例率(TPR，又称灵敏度)：正例被正确识别的比例假正例率(FPR)：负例被错误识别为正例的比例AUC（Area Under the Curve）则是ROC曲线下的面积，提供了模型整体性能的单一数值度量。AUC值越接近1，模型性能越好；
2025-04-05 11:25:12
262
原创 基于K近邻算法的分类器的实现
我们很容易发现，当计算样本之间的距离时数字差值最大的属性对计算结果的影响最大，也就是说，每年获取的飞行常客里程数对于计算结果的影响将远远大于上表中其他两个特征-玩视频游戏所耗时间占比和每周消费冰淇淋公斤数的影响。3. **确定K值：选择一个K值**，即在分类或回归时应考虑的邻居数量。7. **优化：**基于性能评估结果，可能需要返回并调整某些参数，如K值、距离度量方法等，以获得更好的性能。2. **选择距离度量方法**：确定用于比较样本之间相似性的度量方法，常见的如欧几里得距离、曼哈顿距离等。
2025-03-24 10:42:10
750
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人