前文回顾：逻辑回归 目录 📚优化算法 📚模型评估方法 🐇留出法（hold-out） 🐇交叉验证法（cross-validation） 🐇自助法（bootstrap） 🐇比较总结 📚分类模型性能评价指标 🐇混淆矩阵 🐇准确度（Accuracy） 🐇精确度（precision）和召回率（Recall，TPR） 🐇精确度和召回率的调和平均（F_score） 🐇假阳性率（FPR）和真阴性率（TFR） 🐇ROC曲线与AUC的值 🐇PR曲线（Precision-recall Curve） 🐇ROC曲线与PR曲线的关系 📚模型选择 📚特征选择（正则化） 🐇过拟合的问题 🐇代价函数 🐇正则化线性回归 🐇正则化的逻辑回归模型 📚优化算法
本文深入探讨了机器学习中的优化算法、模型评估方法和分类模型的性能评价指标。介绍了留出法、交叉验证法和自助法三种模型评估方法，以及准确度、精确度、召回率、F1分数、ROC曲线和PR曲线等关键指标。同时，文章提到了正则化在防止过拟合中的作用，以及正则化线性回归和正则化逻辑回归模型的应用。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
