11. 机器学习 - 评价指标2

已于 2023-10-21 21:44:58 修改
阅读量660 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 茶桁的AI秘籍 - 核心基础 茶桁的 AI 会员专栏 文章标签： 机器学习 人工智能
于 2023-10-20 07:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ivandoo/article/details/133925425

文章目录


在这里插入图片描述

更多内容： 茶桁的AI秘籍

Hi, 你好。我是茶桁。

上一节课，咱们讲到了评测指标，并且在文章的最后提到了一个矩阵，我们就从这里开始。

混淆矩阵

在我们实际的工作中，会有一个矩阵，这个矩阵是分析结果常用的。

Image 2023-10-18 192838.png

我们来看看具体是什么意思。

所谓的True condition, 指的是真实值, Predicted condition，指的是预测值。

其中行表示，Predicted condition positive表示预测值是1，Predicted condition negative表示预测值是0。</

了解本专栏 订阅专栏 解锁全文 超级会员免费看
[Python从零到壹] 十二.机器学习之回归分析万字总结全网首发（线性回归、多项式回归、逻辑回归）
杨秀璋的专栏
07-03 5万+
前一篇文章讲述了数据分析部分，主要普及网络数据分析的基本概念，讲述数据分析流程和相关技术，同时详细讲解Python提供的若干第三方数据分析库，包括Numpy、Pandas、Matplotlib、Sklearn等。本文介绍回归模型的原理知识，包括线性回归、多项式回归和逻辑回归，并详细介绍Python Sklearn机器学习库的LinearRegression和LogisticRegression算法及回归分析实例。进入基础文章，希望对您有所帮助。
[机器学习]False Positive和False Negative
刘好念的博客
07-02 1204
本文介绍了机器学习中对于模型精度的描述，包括 True Positive, True Negative, False Positive 和 False Negative。
【机器学习理论】True Positive, True Negative, False Positive, False Negative概念
小明2766的博客
06-10 3672
True Positive, True Negative, False Positive, False Negative概念1前面的True/False表示“对了没”，后面的positive/negative表示“预测的值”。Precision（准确率）针对预测为1（predicted值为1的行），预测正确的比率；True positive / (True positive + False positive)Recall（召回率）针对实际为1（actual值为1的列），预测正确的比率；True positi
从false positive说起
shaoxiaohu的专栏
06-01 2万+
从目标检测的结果评测时，一直要与false positve, precision rate, recall rate这几个名词。总是在用的时候比较清楚这几个词的意思，但是时间一长，又给忘了。前几天跟师兄讨论这个问题，还是迷迷糊糊，模棱两可。决定干脆总结并记下来，以备不时之需。   这三个词的中文意思分别是：误检率（也可以被称作虚警率），查准率和查全率。它们是怎么通过计算得出，可以看下图：
机器学习的常用评价指标总结
风中尘埃的博客
08-03 553
分类任务 TP (True Positive) 真正例： 被模型预测为正的正样本。 FP (False Positive) 假正例：被模型预测为正的假样本。 FN (False Negative) 假负例：被模型预测为负的正样本。 TN (True Negative) 真负例：被模型预测为负的负样本 ACC 精确度： 这个指标容易受到样本数量以及样本是否均衡带来的影响。 ...
true-positive，false-positive，true-negative，false-negative差别
cnbird's blog
09-03 2万+
考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被 预测成正类，即为真正类（True positive）,如果实例是负类被预测成正类，称之为假正类（False positive）。相应地，如果实例是负类被预测成负类，称之为真负类（True negative）,正类被预测成负类则为假负类（false n
机器学习-常用评价指标大赏~
lin_shup的博客
07-23 2695
借此机会，在此篇总结常用的分类评价指标。
精选资源
《人工智能与机器学习》教学课件08-分类评价指标.pdf
06-23
《人工智能与机器学习》教学课件08-分类评价指标.pdf《人工智能与机器学习》教学课件08-分类评价指标.pdf《人工智能与机器学习》教学课件08-分类评价指标.pdf《人工智能与机器学习》教学课件08-分类评价指标.pdf...
机器学习工程师视频课程.zip
08-15
1.01-01-机器学习概述.mp4 2.02-01-线性回归简介、数学符号、假设函数、损失函数、代价函数.mp4 3.02-02-梯度下降法..mp4 4.02-03-梯度下降法代码实现.mp4 5.02-04-使用梯度下降法求解线性回归问题.mp4 6.02-05-线性...
精选资源
机器学习常用的评价指标
04-10
深度学习常用的评价指标
理解 假阳性（false positive）和假阴性(false negative）概念
热门推荐
weixin_43614795的博客
11-22 4万+
2018-11-22：理解假阳性（false positive）和假阴性(false negative）这两个概念假阴性false negative和假阳性false positive概念理解举个例子解法（1）：列数字讲道理法解法（2）：画树状图法，简称画图法哈哈哈解法（3）：贝叶斯公式（Bayes大法好） 假阴性false negative和假阳性false positive 概念理解 当你真的...
真阳率(tp)、假阳率(np)
Focusing on your own Mind :) －> 站在巨人的肩膀上
06-22 2万+
很早以前就知道这些概念了，不过由于跟自己的认知习惯不一样，所以碰到了还是经常会忘。于是索性把这些概念总结一下，以后再忘了也好找（其他的文章太啰嗦了，计算方法也写的不清不楚….）  另外我也会陆续更新一些其他的机器学习相关概念和指标，即是方便自己，也方便他人吧。 注意：本文将混用正负样本和阳性(+)阴性(-)这两套说法 真阳率、假阳率 这些概念其实是从医学那边引入到机器学习里面的
机器学习 处理不平衡数据_在机器学习中处理不平衡数据
weixin_26752765的博客
09-06 925
机器学习 处理不平衡数据As an ML engineer or data scientist, sometimes you inevitably find yourself in a situation where you have hundreds of records for one class label and thousands of records for another class...
01.需要了解的五种机器学习类型
AI算法蒋同学的博客
12-18 513
ML 是计算机科学、[数据科学]和[人工智能] (AI) 的子集，它使系统能够从数据中学习和改进，而无需额外的编程干预。ML 模型不依赖用于性能优化的显示指令，而是采用算法和统计模型，以根据数据模式和推论来部署任务。换句话说，ML 利用输入数据来预测输出，并随着新数据的出现不断更新输出。例如，在零售网站上，机器学习算法通过根据购买历史提出建议来影响消费者的购买决策。
Day37 深入理解SHAP图
weixin_47193046的博客
12-15 642
年龄+0.02影响很小，把模型的决策分解到每个特征上。基准值 = 没有任何特征信息时的"默认"预测(相当于"0”的起点)，这个值一般就是平均值，把训练集的所有样本都输入模型，得到所有预测值取平均值，在没有关于这个特定样本的区分性信息时，最合理的猜测就是平均值。到这里你可能心想，这样是不是很类似于线性回归的特征前的系数 y=ax1+bx2+cx3，那既然如此，我直接选择用线性回归的系数作解释，那岂不是更好?三人合伙前，收入是 0，三人合伙后，收入是 100万，要分配的"蛋糕"就是 100万-0=100 万。
机器学习008:监督学习【回归算法】（逻辑回归）--AI世界的“是非判断题大师”
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
12-19 444
逻辑回归，这位AI世界的“是非判断题大师”，其核心价值用简洁、可解释的线性模型，为二分类问题提供一个坚实的概率化解决方案。它就像你学习人工智能旅程中的第一把钥匙。如何将现实问题转化为数学特征，如何用概率来表达不确定性，以及如何通过优化来逼近真理。擅长线性二分类、需要好特征、结果易解释。理解并掌握逻辑回归，你便为后续学习更强大的神经网络（如CNN、RNN）打下了无比坚实的基础。因为无论后面的网络多么复杂，它们最终往往都要回到“逻辑回归”这一步，来做出那个最根本的“是”或“否”的判断。
03.统计学机器学习
AI算法蒋同学的博客
12-18 683
本文探讨了机器学习中的统计思维基础，指出机器学习本质上是建立在统计学和概率论之上的统计过程。文章从三个核心概念展开：1）统计学作为从数据中提取洞察的科学，为机器学习提供数学基础；2）概率论作为量化不确定性的工具，是建模预测不确定性的关键；3）概率分布作为描述数据行为的数学函数，支撑着误差建模、损失函数设计等机器学习核心环节。文章强调，理解这些统计概念对于构建可靠、可解释的AI系统至关重要，它们是现代机器学习（从简单回归到复杂神经网络）的理论支柱。通过介绍描述性统计指标、概率基本概念和常见概率分布，为读者提供
【机器学习】直观理解DPO与PPO：大模型优化的两种核心策略
最新发布
Share With You
12-19 617
PPO和DPO代表了让大模型符合人类偏好的两种不同哲学。PPO通过复杂的多模型协作实现精细控制，适合复杂任务；DPO通过直接学习偏好数据实现高效优化，适合数据充足且目标明确的场景。理解它们的本质区别，有助于我们在实际应用中做出更明智的技术选型，让AI更好地服务于人类需求。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

茶桁

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值