二值分類器binary classifier：機器學習領域最常用、應用最廣泛的分類器。roc曲線是評估其模型的重要指標之一。
roc曲線receiver operating characteristic curve，受試者工作特徵曲線，橫座標為fpr（假陽性率false positive rate），縱座標為tpr（真陽性率true positive rate）。
fpr=fp/n，負樣本被**為正樣本/真實的負樣本；
tpr=tp/p，正樣本被**為正樣本/真實的正樣本。
roc曲線通過不斷移動「截斷點」來生成曲線上一組關鍵點，因此當截斷點選擇為無窮時，fp=tp=0，所以曲線的第乙個座標點為（0,0）；同理，最後乙個點為(1,1)。
auc，area under curve，一般的情況下，roc曲線會在y=x的上方，故而auc取值一般為0.5~1之間。
相對於p-r曲線，roc曲線在測試集正負樣本比例發生變化時，形狀基本保持不變，降低了不同測試集的干擾，更能反映模型本身的好壞，因此roc曲線的使用場景很多。而p-r曲線則能反映模型在特定資料集上模型的效能。
機器學習 wordcount的一些問題
wordcount就是hadoop上的 hello world 非常經典，弄清楚它可以快速的幫助我們理解hadoop一些相關概念和執行機制，這裡找了一篇好文，基本上把wordcount分析的非常透徹了，流程大概是這樣子的 但是還是有乙個問題，就是當hadoop在split的時候，如果將乙個大的文字檔...
盒子模型的一些問題
1.margin疊加問題 當給兩個盒子同時新增上下外邊距時，就會出現疊加問題，而且這個問題只會出現在上下疊加，不會出現在左右疊加，系統會取上下外邊距中較大的值作為兩個盒子之間的間距。解決方案 bfc規範 在上下外邊距中只設定一方的邊距。2.margin傳遞問題 margin傳遞問題出現在巢狀模型中，...
學習機器學習中遇到的一些問題
本文用來記錄學習機器學習時遇到的tensorflow框架的相關問題及python基礎語法的相關問題 1.tensor.eval 函式和session.run函式區別 假設你有個tensor t,t.eval 等價於tf.get default session t 其中最主要的區別時session.r...