【CV】吴恩达机器学习课程笔记第11章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片
机器学习 | Coursera
吴恩达机器学习系列课程_bilibili
目录
- 11 机器学习系统设计
- 11-1 确定执行的优先级:以垃圾邮件分类为例
- 11-2 误差分析
- 11-3 不对称性分类的误差评估
- 11-4 查准率和召回率的平衡
- 11-5 机器学习数据
11 机器学习系统设计
11-1 确定执行的优先级:以垃圾邮件分类为例
11-2 误差分析
- 不要在编写程序时进行过早的优化,在编写完整个系统后再根据学习曲线优化系统;先编写一个简单粗暴的算法,再根据输出的结果改进算法
- 误差分析:观察被错误分类的数据有何共同的特征(以垃圾邮件分类为例,查看被错误分类的垃圾邮件有何共同的特征)或以数值方式表示误差
- 推荐在交叉验证集上做误差分析
11-3 不对称性分类的误差评估
偏斜类问题:一个数据集中的一类数据样本比另外一类的样本少的多(比如1占样本的0.5%,而0占样本的99.5%)
在偏斜类问题中(比如患癌症占样本的0.5%,而不患癌症占样本的99.5%),假设一个算法达到了99.5%的预测准确率,这时已经只有0.5%的误差,但是如果始终预测不患癌症也有99.5%的准确率,误差也只有0.5%,这时需要用到不同的误差度量值
其中一种叫做查准率和召回率(precision recall)
- 左侧表格上方为实际的,表格左侧为预测的,1代表患癌,0代表不患癌
- 如果预测为1,实际为1,则是真阳性(True positive)
- 如果预测为1,实际为0,则是假阳性(False positive)
- 如果预测为0,实际为1,则是假阴性(False negtive)
- 如果预测为0,实际为0,则是真阴性(True negtive)
查准率=预测为真并且实际为真的数量预测为真的数量=TruepositiveTruepositive+Falsepositive查准率=\frac{预测为真并且实际为真的数量}{预测为真的数量}=\frac{True\ positive}{True\ positive+False\ positive}查准率=预测为真的数量预测为真并且实际为真的数量=True positive+False positiveTrue positive
召回率=预测为真并且实际为真的数量实际为真的数量=TruepositiveTruepositive+Falsenegtive召回率=\frac{预测为真并且实际为真的数量}{实际为真的数量}=\frac{True\ positive}{True\ positive+False\ negtive}召回率=实际为真的数量预测为真并且实际为真的数量=True positive+False negtiveTrue positive
两者均是越高越好
11-4 查准率和召回率的平衡
本来在超过50%概率时预测为1(即患癌),在低于50%时预测为0(即不患癌)
现在如果要在超过70%患癌可能性时才预测为患癌的话,会得到一个高查准率但低召回率的模型
如果要在超过30%患癌可能性时就预测患癌,会得到一个高召回率但低查准率的模型
- 高查准率:能不揪出来的就不揪出来
- 高召回率:能揪出来的都揪出来
通过计算查准率和召回率的平均值不能直接评估一个算法的好坏
通过F值(F1值)=2PRP+RF值(F_1值)=2\frac{PR}{P+R}F值(F1值)=2P+RPR能更好地评估一个算法的好坏(P为查准率,R为召回率)
11-5 机器学习数据
在有一个非常庞大的训练集的前提下,即使有很多的参数(训练集数量>>参数数量),也能很好地拟合数据集,不会产生过拟合现象
【CV】吴恩达机器学习课程笔记第11章相关推荐
- 【CV】吴恩达机器学习课程笔记第10章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 10 应用机器学习的建议 10-1 决定下一步做什么 10 ...
- 【CV】吴恩达机器学习课程笔记 | 第1-2章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 1 介绍 1-3 监督学习 1-4 无监督学习 2 单变量 ...
- 【CV】吴恩达机器学习课程笔记第18章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 18 应用案例:照片OCR 18-1 问题描述与流程(pi ...
- 【CV】吴恩达机器学习课程笔记第17章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 17 大规模机器学习 17-1 学习大数据集 17-2 随 ...
- 【CV】吴恩达机器学习课程笔记第16章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 16 推荐系统 16-1 问题规划 16-2 基于内容的推 ...
- 【CV】吴恩达机器学习课程笔记 | 第1-15章
目录 1 介绍 1-3 监督学习 1-4 无监督学习 2 单变量线性回归 2-2 代价函数 2-5 Batch 梯度下降算法 4 多变量线性回归 4-1 多特征 4-2 多元梯度下降法 4-3 多元梯 ...
- 吴恩达机器学习课程笔记(11-19章)
第十一章 11.1 确定执行的优先级 垃圾邮件分类器算法: 为了解决这样一个问题,我们首先要做的决定是如何选择并表达特征向量 x x x .我们可以选择一个由 100 100 100 个最常出现在垃圾 ...
- 吴恩达机器学习课程笔记(1-10章)
第一章 1.1 什么是机器学习? 定义: 机器学习是用数据或以往的经验,以此优化计算机程序的性能标准. 解释: 计算机程序从经验E中学习,解决某一任务T,进行某一性能度量P,通过P测定在T上的表现因经 ...
- 吴恩达机器学习课程笔记一
吴恩达机器学习课程笔记 前言 监督学习---`Supervised learning` 无监督学习---`Unsupervised learning` 聚类 异常检测 降维 增强学习---`Reinf ...
最新文章
- linux清屏命令_linux下的7个常用命令的基本使用
- 根据总用量计算每种包装规格的购买量和总价
- 马云最新演讲:未来10年,人类将面临AI、IoT和区块链等三大技术巨大挑战!
- Android常用控件之Fragment仿Android4.0设置界面
- 微信支付代金券开发包分享
- ant vue 树形菜单横向显示_Vue--组件Ant- 树形结构菜单
- deepin ubuntu修改grub启动延时时间
- S如何边缘控制_如何用尼康佳能索尼人像标头50mm/1.8拍出大片的效果?
- 有人撸了个网页版win11,惊艳!
- ubuntu18 防火墙关闭_Ubuntu 18.04 关闭及开启防火墙
- 活动推荐|互联网3.0与区块链新时代论坛(北京)
- 计算文档中不同单词出现的次数
- wget在进行https下载时超时不生效问题
- windows下protobuf jar包的编译
- IP地址屏蔽功能设计
- Error: Network Error
- PE格式之千里追踪输入表
- 【深度学习 理论】Brief Introduction of Deep Learning
- 要是卢安娜的飓风可以触发所有远程英雄的技能,哪些英雄最强?
- bash快捷键Quick bash shortcuts--用Enki学Linux系列(4)