weixin_47243236的博客

模型评估二分类模型：交叉验证；准确率、召回率、F1F_1F1​、阈值、ROC & AUC多分类模型：交叉验证；准确率、召回率、F1F_1F1​回归模型：均方误差（MSE）、R2R^2R2聚类模型：轮廓系数评估方法留出法留出法（Hold-Out）：直接将数据集划分为两个互斥的集合，分别作为训练集核测试集，训练出模型后用测试集来评估其测试误差。作为对泛化误差的度量数据集的划分要尽可能数据分布的一致性，避免分布差异造成对结果的影响。单次的留出法得到的结果往往不够可靠，应当采用若干次随机化分

聚类算法聚类： 是将数据集划分成簇（cluster）的任务，使得一个簇内的数据点非常相似不同簇内的数据点非常不同。k均值：可以用簇的平均值来表示簇，可看作一种分解方法。凝聚聚类：可以提供数据的可能划分的整个层次结构、可以通过树状图可视化。DBSCAN：可以检测噪声点、自动判断簇的数量，可应用于复杂形状。k均值聚类k均值k均值：视图找到代表数据特定区域簇中心（cluster center）。算法步骤：将每个数据点分配给最近的簇中心，然后将每个簇中心设置为所分配的所有数据点的平均值，如果簇的分配

监督学习算法K近邻： 适用于小型数据集，可作为基准模型，易于理解。线性模型： 适用于大型数据集、高维数据集。朴素贝叶斯： 只适用于分类问题。比线性模型速度快，适用于非常大的数据集和高维数据，但精度通常低于线性模型。决策树： 速度快，不需要缩放数据，可视化显示，易于理解。随机森林： 鲁棒性好很好，不需要缩放数据，不适用于高维数据。梯度提升决策树： 精度比随机森林略高，训练速度稍慢但预测速度快，需要的内存也更少，比随机森林需要更多的参数。支持向量机： 对于特征含义相似的中等大小的数据集很强大，需要