人工智能之呆板学习4-分类算法【培训机构学习条记】

模子训练及测试

  

• 模子的选择：建模方法和参数都须要根据特定使命举行选择  
  
• 迭代优化：将训练数据集在所选模子（算法）上举行测试，并对模子举行迭代优化  
  
• 交织验证：将数据分为训练集和测试集，使用训练集举行构建模子，使用测试集用于评估模子并进一步优化模子
  

分类算法中常见的指标：

1、培训班

  

• 正确率（Accuracy）= 提取出的正确样本数/总样本数  
  
• 召回率（Recall） = 正确的正例样本数/样本中的正例样本数——覆盖率  
  
• 正确率（Precision） = 正确的正例样本数/猜测为正例的样本数  
  
• F值 = Precision * Recall * 2 / (Precision + Recall)（即F值为精准率和召回率的调平静均值）  
  
• 深兰培训中，ppt质量差，字很小，如下图所示  
  
• 
    
  
• 
  
  

2、个人学习：

正确率、召回率、正确率、F 值是信息检索、统计学、呆板学习等范畴中用于评估分类模子性能的紧张指标，以下是对它们的具体明白：
正确率（Accuracy）

  

• 界说：正确率是指分类正确的样本数占总样本数的比例，反映分类器对整个数据集的分类正确水平。  
  
• 盘算公式：