weixin_50007828的博客

本文主要记录一些个人学习python过程中的一些有用的、没用的、以及奇奇怪怪的知识。

1. 混淆矩阵 对于二分类模型，预测值与真实值的组合情况，行成了混淆矩阵。 第一个字母表示是否预测正确（T/F），第二个表示预测为 P/1 还是 N/0。 2. 准确率 预测正确的结果占总样本的百分比，准确率=(TP+TN)/(TP+TN+FP+FN) 样本不平衡时，该指标失效。 3. 精准率 Precision，也即查准率，在所有被预测为正的样本中实际为正样本的概率，精准率=TP/(TP+FP) 4. 召回率 Recall，也即查全率，在实际为正的样本中被预测为正样本的概率，查全率=TP/(TP+FN)

线性回归 最简单的线性回归问题，y=wx+b，模型输出一个值，用L1/L2 loss，即MAE/MSE loss，去做梯度下降。 逻辑回归 2分类问题，如回归问题一样，网络或者模型同样输出一个值，然后用sigmoid给它拉到0~1，然后用binary cross entropy loss去做梯度下降。 binary cross entropy = -np.mean ( y * log y_hat + (1-y) * log(1-y_hat) ) 。 如果多分类问题，模型输出n纬

Seq2Seq Attention Transformer 学习笔记