大数据案例分析学习笔记1.3（分类及其性能度量）

最新推荐文章于 2024-09-16 03:33:33 发布

changjingwnag

最新推荐文章于 2024-09-16 03:33:33 发布

阅读量420

点赞数

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 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/weixin_44469890/article/details/104426105

本文深入探讨了分类问题作为有监督学习的核心，介绍了两类与多类分类的解决策略，包括一对其余方法，并详细讨论了分类性能度量指标，如准确率、精确率、召回率、F值及ROC曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分类问题

分类问题是有监督学习的一个核心问题，当输出变量取有限个离散值时，预测问题别成为分类问题
分类的机器学习的两大阶段（1）从训练数据中学习得到一个分类决策函数或分类模型，称为分类器（classifier）；（2）利用学习得到的分类器对新的输入样本进行类别预测
两类分类问题与多类分类问题。多类分类问题也可以转化为两类分类问题解决，如采用一对其余的方法，将其中一个类标记为正类。然后将剩余的其他类都标记为负类，假设共有n类，需要构建n个分类问题。

分类性能度量——准确率

在这里插入图片描述

分类性能度量——精确率和召回率

在这里插入图片描述

分类性能度量——P-R曲线

在这里插入图片描述

分类性能度量——F值

在这里插入图片描述

分类性能度量——ROC

在这里插入图片描述

分类性能可视化

在这里插入图片描述

分类报告

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。