hanxuwerewolf的博客

正确率高不并不能完全代表一个算法就是好的。比如，对某个区域进行地震预测，地震分类属性为0:不发生地政，1:发生地震。其中不发生地震的概率非常高，对于分类器而言，如果分类器不加思考，对每一个测试样例对类别都划分为0，达到99%的正确率，但是当真正发生地震时，这个分类器毫无察觉。所以99%的正确率的分类器并不是我们想要的。 出现这种现象的原因主要是数据分布不均衡，类别为1的数据太少，错分了类...

1:监督学习 （1）监督学习是使用已知正确答案的示例来训练网络。已知数据和其一一对应的标签，训练一个模型，将输入数据映射到标签的过程。 （2）监督学习常见的应用场景为分类问题和回归问题。 2:无监督学习 （1）在无监督学习中，数据没有被特别标识，适用于存在数据集，但是无标签的情况。训练一个模型可以推断出数据的一些隐藏的结构。 3:半监督学习 （1）半监督学习使用大量的未标记...