广州网站快速优化排名,怎么自建设部网站查询公司资质,北京网站建设公司电扬,哈尔滨网站设计哪家好一、logistic regression
logistic regression也叫做对数几率回归。虽然名字是回归#xff0c;但是不同于linear regression#xff0c;logistic regression是一种分类学习方法。
同时在深度神经网络中#xff0c;有一种线性层的输出也叫做logistic#xff0c;他是被输入…一、logistic regression
logistic regression也叫做对数几率回归。虽然名字是回归但是不同于linear regressionlogistic regression是一种分类学习方法。
同时在深度神经网络中有一种线性层的输出也叫做logistic他是被输入到激活函数中的输入如下图所示。 Softmax和sigmoid的输出不同sigmoid输出的是每一个种类成为
二、分类算法的评价指标 分类算法评价指标详解 - 知乎
首先机器学习分类任务的常用评价指标混淆矩阵Confuse Matrix、准确率Accuracy、精确率Precision、召回率Recall、F1 Score、P-R曲线Precision-Recall Curve、ROC、AUC。
混淆矩阵每行显示样本预测到的值列显示标签的值。针对一个二分类问题可以将其分为四种 TPTrue Positive 表示真的正类
TNTrue Negative 真的负类
FPFalse Positive 假的正类
FNFalse Negative 假的负类 这些都可以从混淆矩阵中得出。
1.准确率 Accuracy
AccTPTN/TPTNFPFN
预测结果中的所有预测争取的类别比左右的预测结果。即混淆矩阵对角元素和所有元素的比值。
准确率有一个缺点就是数据的样本不均衡这个指标是不能评价模型的性能优劣的。
假如一个测试集有正样本99个负样本1个。模型把所有的样本都预测为正样本那么模型的Accuracy为99%看评价指标模型的效果很好但实际上模型没有任何预测能力。
2.精确度precision
在模型预测为正样本的结果中真正是正样本所占的百分比具体公式如下
Pre TP / TPTF
在预测为正样本的结果中真的正样品的占比。
3.召回率recall
在实际正样本中预测为真的正样本占所有正样本的比值
Recall TP / TPTN
4.F1 sore
Recall和precision之间会有一个此消彼长的关系如果要兼顾二者就需要F1 ScoreF1 Score是一种调和平均数。
F1 Score 2*Pre*Recall/ (PreRecall)
同时还有一种P-R曲线precision -Recall描述精确率和召回率变化。 模型与坐标轴围成的面积越大则模型的性能越好。但一般来说曲线下的面积是很难进行估算的所以衍生出了“平衡点”Break-Event Point简称BEP即当PR时的取值平衡点的取值越高性能更优。 线性回归模型和logistic回归模型
