机器学习笔记1：ROC和GINI
ROC和GINI 一、imbalanced classification problem 一些简单的分类问题可以用accuracy来衡量分类模型的优劣，而对于观测样本差距较大的分类问题（imbalanced classification problem）则须采取其他方法衡量。 例如，贷款反欺诈问题，假设总共有1000个诚实样本，10个欺诈样本，如何评价以下两个模型的优劣： 模型1：10个欺诈样
相关文章
- 1. 【机器学习】AUC和ROC
- 2. 机器学习笔记（1）
- 3. 机器学习–笔记1
- 4. 机器学习笔记1
- 5. 机器学习笔记——1
- 6. 机器学习笔记-1
- 7. 机器学习——ROC
- 8. 机器学习-学习笔记1
- 9. 机器学习 cs229学习笔记1
- 10. 机器学习sklearn（学习笔记1）
- 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
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
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. 【机器学习】AUC和ROC
- 2. 机器学习笔记（1）
- 3. 机器学习–笔记1
- 4. 机器学习笔记1
- 5. 机器学习笔记——1
- 6. 机器学习笔记-1
- 7. 机器学习——ROC
- 8. 机器学习-学习笔记1
- 9. 机器学习 cs229学习笔记1
- 10. 机器学习sklearn（学习笔记1）