小程序网站做多大尺寸,落伍者论坛 做网站,深圳设计品牌网站,国外的电商网站有哪些常用机器学习算法包括分类、回归、聚类等几大类型#xff0c;以下针对不同模型总结其评估指标 一、分类模型 常见的分类模型包括#xff1a;逻辑回归、决策树、朴素贝叶斯、SVM、神经网络等#xff0c;模型评估指标包括以下几种#xff1a; #xff08;1#xff09;二分类… 常用机器学习算法包括分类、回归、聚类等几大类型以下针对不同模型总结其评估指标 一、分类模型 常见的分类模型包括逻辑回归、决策树、朴素贝叶斯、SVM、神经网络等模型评估指标包括以下几种 1二分类问题 a混淆矩阵 准确率A预测正确个数占总数的比例 精准率P正例样本中有多少被预测正确了 召回率R预测的正例样本中有多少是正确的 F1 Score精准率与召回率集成2P*R/(PR) bROC曲线ROC曲线应尽量偏离参考线越靠近左上越好 cAUCROC曲线下面积参考线面积为0.5AUC应大于0.5且偏离越多越好 dLift曲线表示“运用该模型”与“未运用该模型即随机选择”所得结果的比值Lift应该移植大于1且Lift(提升指数)越大模型预测效果越好 2多分类问题 评价多分类模型一般采用准确率作为评估指标 二、回归模型 常见的回归模型包括线性回归、多项式回归、Lasso回归、岭回归、弹性网络、SVM、神经网络评估指标见以下总结 1MSE 均方误差SSE/m值越小代表拟合效果越好用来衡量不同模型对于同一数据集的拟合效果 2R^2 决定系数1-SSE/SST用于度量模型的解释能力是相关系数的平方取值范围为0~1越接近1表示模型参考价值越高在scikit-learn中LinearRegression.score就是使用的决定系数也可以使用专门的库metrics.r2_score 3修正的R^2 在多元线性回归中决定系数会虚高加一个自变量就会增大加公式进行修正 1-[SSE/(n-p-1)/[SST/(n-1)]得到修正的决定系数 三、聚类模型 常见的聚类模型有KMeans、密度聚类、层次聚类等主要从簇内的稠密成都和簇间的离散程度来评估聚类的效果评估指标包括 1轮廓系数 Silhouette Corfficient 轮廓系数由凝聚度和分离度共同构成组内SSE越小组间SSB越大聚类效果越好轮廓系数在-1~1之间值越大聚类效果越好 2协方差系数 Calinski-Harabaz Index 类别内部数据协方差越小越好类别之间协方差越大越好这样协方差系数会越高。转载于:https://www.cnblogs.com/dearL/p/9484728.html
