google机器学习笔记（三）

• 逻辑回归 Logistic Regression
  进行预测，逻辑回归⽣成⼀个0到1之间的概率值，表示某邮件是垃圾邮件的概率是多少。（二元分类法）
  
  
• 线性逻辑回归
  高效，超快的训练速度和较短的预测时间
  
• 评估标准：精确率Precision和召回率Recall
  以《狼来了》的故事为例，将结果（狼来了）和预测（做出警告）进行交错，有以下四种情况
  
  
  
  分类阈值（判定阈值）：高于一律认为是，低于认为不是。
  选择高分类阈值，会减少FN，提高精确率（但凡说，一定对）。阈值越高，依据越多，限定条件越多。

还有一个概念：准确率

再以垃圾邮件分类为例：

• ROC曲线：接收者操作特征曲线
  用于衡量模型在所有可能阈值情况下的结果，代入不同阈值获得不同曲线
  AUC(ROC线下面积)：当随机选择一个正类别样本一个负类别样本，模型以正确顺序排列他们的概率。
  如：线下面积（求积分）结果为0.9，则表示得出正确配比结果的概率为0.9