From 6c2e85bd2fea51c4e9b7e537ef679f3eb983a459 Mon Sep 17 00:00:00 2001 From: CoderOverflow Date: Fri, 12 Apr 2019 11:17:37 +0800 Subject: [PATCH] =?UTF-8?q?2.16=20index=20=E4=BF=AE=E6=AD=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 2.16 index 修正 --- ch02_机器学习基础/第二章_机器学习基础.md | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/ch02_机器学习基础/第二章_机器学习基础.md b/ch02_机器学习基础/第二章_机器学习基础.md index 3e71aef..ccdbfe7 100644 --- a/ch02_机器学习基础/第二章_机器学习基础.md +++ b/ch02_机器学习基础/第二章_机器学习基础.md @@ -1271,7 +1271,7 @@ TPR = TP/(TP+FN) = 0.5； FPR = FP/(TN+FP) = 0； ​ 计算上图的AUC为0.88与计算正例与排在负例前面的概率0.6 × 1 + 0.2 × 0.8 + 0.2 × 0.6 = 0.88相等，左上角阴影部分的面积是负例排在正例前面的概率0.2 × 0.2 × 3 = 0.12。 -### 2.16.18 代价敏感错误率与代价曲线 +### 2.16.17 代价敏感错误率与代价曲线 不同的错误会产生不同代价。以二分法为例，设置代价矩阵如下： @@ -1311,13 +1311,13 @@ $$ ![](./img/ch2/2.16.18.1.png) -### 2.16.19 模型有哪些比较检验方法 +### 2.16.18 模型有哪些比较检验方法 正确性分析：模型稳定性分析，稳健性分析，收敛性分析，变化趋势分析，极值分析等。 有效性分析：误差分析，参数敏感性分析，模型对比检验等。 有用性分析：关键数据求解，极值点，拐点，变化趋势分析，用数据验证动态模拟等。 高效性分析：时空复杂度分析与现有进行比较等。 -### 2.16.21 为什么使用标准差？ +### 2.16.19 为什么使用标准差？ 方差公式为：$S^2_{N}=\frac{1}{N}\sum_{i=1}^{N}(x_{i}-\bar{x})^{2}​$ @@ -1332,13 +1332,13 @@ $$ 3、在样本数据大致符合正态分布的情况下，标准差具有方便估算的特性：66.7%的数据点落在平均值前后1个标准差的范围内、95%的数据点落在平均值前后2个标准差的范围内，而99%的数据点将会落在平均值前后3个标准差的范围内。 -### 2.16.25 类别不平衡产生原因？ +### 2.16.20 类别不平衡产生原因？ ​ 类别不平衡（class-imbalance）是指分类任务中不同类别的训练样例数目差别很大的情况。 产生原因： ​ 分类学习算法通常都会假设不同类别的训练样例数目基本相同。如果不同类别的训练样例数目差别很大，则会影响学习结果，测试结果变差。例如二分类问题中有998个反例，正例有2个，那学习方法只需返回一个永远将新样本预测为反例的分类器，就能达到99.8%的精度；然而这样的分类器没有价值。 -### 2.16.26 常见的类别不平衡问题解决方法 +### 2.16.21 常见的类别不平衡问题解决方法   防止类别不平衡对学习造成的影响，在构建分类模型之前，需要对分类不平衡性问题进行处理。主要解决方法有： 1、扩大数据集