PV、UV、IP基础概念： pv-->访问量：页面点击量，在一定时间点击或者刷新，就会记录一次，多次打开或者刷新同一个页面也会累计 uv-->独立访问：同一台电脑访问，只会累计一次，同一台电脑不管访问的多少页面，也只会累计一次，也可以理解为访问的电脑数量 ip-->独立的IP：同一个来源的IP访问，只会累
1决策树算法api class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None) criterion 特征选择标准 "gini"或者"entropy"，前者代表基尼系数，后者代表信息增益。一默认"gini"，即CART算法。 min_samples_split 内部节点再划分所需最小
1 AB测试原理 （ b站理论 ） 2 适用范围/场景 3 AB测试的样本数计算 AB 测试什么时候停？ 收集到一定样本量的情况下 4 AB测试的注意事项要点 样本选择随机化 5 常见面试问题 （知乎 + 极客）
参考资料： PR曲线和F1-score 评价指标相关 李航. 统计学习方法[M]. 北京:清华大学出版社,2012. 准确率(Accuracy)：对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。 精确率(Precision)：衡量是否有误判。可以看出判断的正确率。 召回率(Recall)：衡量是否有遗漏。可以看出
(True Positive , TP)：被模型预测为正的正样本。 (False Positive , FP)：被模型预测为正的负样本。 (False Negative , FN)：被模型预测为负的正样本。 (True Negative , TN)：被模型预测为负的负样本。 Recall召回率：真正预测为正样本的样本数占实际正样本的样本数的比率 Precision精
决策树算法 1. 决策树算法简介2. 决策树分类原理3. cart剪枝3.1 为什么要剪枝?3.2 常用的减枝方法3.2.1 预剪枝3.2.2 后剪枝 3.3 小结 4. 特征工程-特征提取5. 决策树算法API6. 案例：泰坦尼克号乘客生存预测7. 回归决策树 1. 决策树算法简介 决策树思想的来源非常朴素，程序
文章目录 1 概述 2 其他指标 3 结论 4 MAP 1 概述 P-R曲线中，P为图中precision，即精准度，R为图中recall，即召回率。 2 其他指标 1、准确率（Accuracy） 准确率(accuracy)计算公式为： 注：准确率是我们最常见的评价指标，而且很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确
精度（accuracy) 分类正确的样本数占总样本数的比例 错误率(error rate) 分类错误的样本数占总样本数的比例 通常来说精度(accuracy)不是一个好的性能指标，尤其是处理数据有偏差时候比如一类非常多，一类很少。 比如手写数字识别问题，只判断一副图片是不是5，由于5的图片只占百分之10
一、决策树API 在sklearn中使用sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None)构建决策树 其中： criterion 特征选择标准"gini"或者"entropy"，前者代表基尼系数，后者代表信息增益。一默认"gini"，即CART算法。min_samples_split 内部节
一直以来，被召回率准确率精准率查全率查准率F1值混淆矩阵aucrocTPNPTNPN等等等等所困惑，每次需要知道具体的含义，都是去百度，百度完了看了就忘了，生气！百度了几十遍了！这回一定要总结完毕！ 一、从混淆矩阵说起 混淆矩阵 confusion matrix 我预测的 正类 负类 实际情况 正类 TP
当出现正负样本不均衡，比如在自然语言处理分类任务中，正样本数和负样本数的比例为 1:4，这种情况下不能直接去训练，需要做一下处理，处理方法如下： 主要有四种方法： 数据处理 上采样：对少量样本进行重复采样，让比例变成 4:4 下采样：对大多数样本进行少量采样，让比例变成 1: 1 构造少数样
核密度估计 密度函数就是分布函数的一阶导数 对现有数据来估计密度函数的时候，可以用分布函数的一阶导数进行估计。 找离散数据的分布函数可以用（小于t的样本数）/（总样本数），但这个是不可导的，没办法找导数 这时候考虑导数的定义 就是看在(-h, h)区间有多少个样本点，那么密度
假设现在有一个二分类问题，先引入两个概念： 真正例率（TPR）：正例中预测为正例的比例 假正例率（FPR）：反例中预测为正例的比例 再假设样本数为6，现在有一个分类器1，它对样本的分类结果如下表（按预测值从大到小排序）
1，相对性：比如通过率及与逾期率 2，比较性：对关键绩效指标更定标杆值，通过划定上下警戒线进行预警监控，依据实际业务需要及严重程度可进行细分为黄色/红色警戒线； 3，互补性：指标单独呈现解释力薄弱的情况下，必须采用互补性质的指标补强。如绝对数值与比率。 4，多面性： 5，顺序性：如：进件，核准，
1、条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) 分析：一般说到条件概率这一概念的时候，事件A和事件B都是同一实验下的不同的结果集合，事件A和事件B一
原文链接：https://www.cnblogs.com/pinard/p/9093890.html 在前面我们分别讨论了特征工程中的特征选择与特征表达，本文我们来讨论特征预处理的相关问题。主要包括特征的归一化和标准化，异常特征样本清洗与样本数据不平衡问题的处理。 1. 特征的标准
原 图像处理中的hard negative mining（难例挖掘） 2018年10月27日 11:15:30 热带巨兽 阅读数 2307 本篇总结了一下知乎上的回答，原文链接：https://www.zhihu.com/question/46292829 在目标检测中我们会事先标记好ground_truth，接下来在图片中随机提取一系列sample，与gro
软分类：y 的取值只有正负两个离散值，例如 {0, 1} 硬分类：y 是正负两类区间中的连续值，例如 [0, 1] 一、感知机 主要思想：分错的样本数越少越好 用指示函数统计分错的样本数作为损失函数，不可微； 对错误分类样本，∑ -yi * f(xi) = ∑ -yi * WTxi (因为一定大于0，所以损失函数越小表示
信用模型中的LIFT在模型评估中，我们常用到增益/提升（Gain/Lift）图来评估模型效果，其中的Lift是“运用该模型”和“未运用该模型”所得结果的比值。以信用评分卡模型的评分结果为例，我们通常会将打分后的样本按分数从低到高排序，取10或20等分（有同分数对应多条观测的
转载自https://blog.csdn.net/FJY_sunshine/article/details/82734396 ImageNet 图像分类大赛评价标准采用 top-5 错误率，或者top-1错误率，即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。 Top-1 = （正确标记 与 模型输出的最佳标记不同的样本数）/ 总样本
