《神经网络与深度学习》第一章 阅读笔记

第二章 机器学习概述

基本概念

1、特征 or 属性：x，特征向量

2、标签 y

3、数据集、训练集、测试集

4、函数 f

三要素

机器学习算法类型

评价指标

1、准确率，错误率 准确率+错误率 = 1

2、精确率和召回率（对每个类进行性能估计）

模型在测试集的结果分为以下四类：

• 真正例：TP，实际为c，预测为c
• 假负例：FN，实际为c，预测为其他
• 假正例：FP，实际为其他，预测为c
• 真负例：TN，实际为其他，预测为其他

精确率：所有预测为类别c(P)中正确的比例：TP_c/(TP_c+FP_c)

召回率：所有真实类别为c中正确的比例：TP_c/(TP_c + FN_c)

3、F值：综合指标，召回率和精确率的调和平均

4、宏平均：每一类性能指标的算术平均、微平均：每一个样本的性能指标的算数平均

5、交叉验证：原始数据集均分为K组不重复子集，每次选择k-1作为训练集，剩下一组作为验证集。从而进行K次训练，得到K组模型，将k个模型在各自验证集上的错误率的平均作为分类器的评价。