crazy_cz的博客

即决定系数，是在回归分析中用于评估回归模型拟合优度的一个重要指标，其衡量的是回归模型对观测数据的拟合程度，它表示因变量的总变异中能够被自变量解释的比例。换句话说，值反映了模型能够在多大程度上解释因变量的变化。

模型能够无误差地预测因变量的值，是一种理想的、完美拟合的状态，所以 1 是取值范围的上限。

这些指标衡量的是预测值与真实值之间的差异程度，差异越小，说明回归模型的性能越好。基于贝叶斯定理和特征条件独立假设来计算属于各个类别的概率，从而进行分类。目标、输出变量类型、评估指标、模型选择和损失函数等方面都存在明显的区别。线性回归、多项式回归、岭回归、Lasso 回归。寻找一个最优的超平面来将不同类别的数据分开。旨在找到输入特征与类别之间的决策边界。是机器学习和统计学中两种常见的。输出的是有限个离散的类别。使用均方误差损失函数。

召回率是指。

监督学习【有标签】 1、分类（Classification） 预测的标签是离散值 如根据年龄、性别、学历判断这个人的收入水平 2、回归（Regression、Prediction） 预测的标签是连续值 例如，预测房价时，房价可以是任意的非负实数，它就是一个连续的标签；又如预测股票价格、温度变化、时间序列数据中的下一个值等，这些问题中的标签都是连续的 3、储存方式 特征向量 输入实例x为特征向量： 多个特征向量组成特征矩阵，其中每一行是一组特征数据，如房屋面积、几室几厅，每平米多少钱等，每一列

1、调包侠2、根据已有数据，通过数学模型（公式）来预测未知属性3、目标函数f()未知，假设函数g()类型函数f()4、无法找到一个完美的函数f()5、算法就是根据业务需要和数据特征选择的相关算法，就是个数学公式，一般人只能通过调包的方式使用合适的公式。6、模型：基于数据和算法构建出来的模型。7、评估/测试：对模型进行评估，判断是否有用。