20191204——机器学习复习逻辑回归的评估方法
精确率和召回率 混淆矩阵 精确率： 在预测结果为正列样本，真实为正的概率 召回率： 真实样本为真，预测结果为真的概率 ROC曲线和AUC指标 TPR就是召回率 FPR什么都不是 AUC只能用来二分类 AUC非常适合评价样本不均衡的性能 AUC就是ROC曲线的面积
相关文章
- 1. 20191204——机器学习复习 逻辑回归
- 2. 20191204——机器学习复习 岭回归
- 3. 机器学习复习：逻辑回归
- 4. 【机器学习算法】逻辑回归
- 5. 机器学习算法——逻辑回归
- 6. 【机器学习算法】：逻辑回归
- 7. 机器学习算法--逻辑回归
- 8. 【机器学习】逻辑回归
- 9. [机器学习]--逻辑回归总结
- 10. 机器学习（二）：逻辑回归_python
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Kotlin学习（一）基本语法
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 20191204——机器学习复习 逻辑回归
- 2. 20191204——机器学习复习 岭回归
- 3. 机器学习复习：逻辑回归
- 4. 【机器学习算法】逻辑回归
- 5. 机器学习算法——逻辑回归
- 6. 【机器学习算法】：逻辑回归
- 7. 机器学习算法--逻辑回归
- 8. 【机器学习】逻辑回归
- 9. [机器学习]--逻辑回归总结
- 10. 机器学习（二）：逻辑回归_python