数据分离和混淆矩阵的学习

1.明确意义

通过训练集建立模型的意义是对新的数据进行准确的预测(测试集的准度高才代表good fit);

2.评估流程

3.单单利用准确率accuracy进行模型评估的局限性

模型一:一共1000个数据(分别为900个1和100个0),850个1和50个0预测准确(一共两类),所以准确率为(850+50)/1000=90%,而对于每一类:1的类为850/900的准确率;而对于0的类:50/100的准确率;

模型二:一共1000条数据,预测为900个1正确,准确率为900/1000=90%。而对于值为1的类:900/900=1,所以以后的每条数据预测都会为1,这样就会出现空准确率的情况;

总结:需要考虑每一类本身的分布比例(比如1:0=9:1)

4.解决方案(混淆矩阵)

前一个为T:代表预测正确;

后一个为Postives:代表模型预测正确;

1.如何利用TP,TN,FP,FN进行模型的评估

计算指标:

2.混淆矩阵的特点:

5.模型优化

1.用什么模型:

2.具体算法的核心结构以及参数如何选择?

比如逻辑回归的函数g(x)如何选择,线性还是多项式等等

Knn的邻居参数

3.如何提高模型表现?

数据质量决定模型表现的上限
判断是否有异常数据:我们可以用异常检测法检测有没有异常数据,然后将其排除或者保留(保留的主要目的是考虑了数据的适用性)。
数据的意义:是否为无关数据。
对于数据的标签结果:统一管理

尝试更多的模型

4.举个例子:利用高斯分布概率统计异常检测

1.数据分布统计------>2.高斯分布概率统计分析异常------>3.优化:PCA分析维度是否可以减少------>4.尝试不同的模型进行优化

5.确定一个模型后,如何让模型的表现更好


模型的参数的选择:

比如出现欠拟合的情况,模型不能很好的预测样本,我们可以降低KNN的参数n_neighbors值,越降低,模型复杂度越高。

模型复杂度越高说明训练集的准确率越高,但不代表测试集的准确率会很高,需要进行调整。

相关推荐
fly_sunnn2 小时前
机械狗的前置学习(python与Linux基础操作)
学习
Rabitebla4 小时前
【Linux】文件篇(六):Shell 实战——从系统调用到命令行重定向
linux·服务器·c++·笔记·学习
Star(up up up)5 小时前
MySQL 事务隔离级别是如何实现的?从 MVCC 到锁机制原理详解
笔记·vscode·sql·学习·程序人生·mysql·学习方法
Z21-X21 小时前
云原生运维学习笔记:Kubernetes Volume 与 Secret 实验
运维·笔记·学习·云原生·kubernetes
whitelbwwww1 天前
cuBLAS--CUDA高性能线性代数计算库--第一部分
c++·线性代数·gpu算力·cuda c++
console.log('npc')1 天前
Python 学习教程 · 第4课:数据结构
数据结构·python·学习
星落梦生1 天前
Docker学习(11)
学习·docker·容器
重生之我是萧炎2 天前
PR安装教程,Adobe Premiere Pro安装教程(含安装包),仅供学习使用
学习·adobe
蒸蒸yyyyzwd2 天前
深搜广搜学习笔记
笔记·学习