1.參考
2.理解：roc主要考量均等代價，代價敏感曲線主要考量非均等代價。兩者都是衡量某一學習器在不同場景下的綜合表現情況，而不是單一場景。roc通過閾值變化來體現不同場景，即高閾值表現了重視查準率的場景，低閾值則重視查全率的場景。代價敏感曲線則是通過p值，即正例的先驗概率即原本正例佔比的變化來體現不同場景。代價敏感曲線上方直線是根據不同決策閾值下做出的（含有引數p，固定引數），橫軸p值確定時，即確定了一種情景，直線對應的點體現了p這種情景下在該閾值下的代價。因此當畫出不同閾值下的直線時，某一p下總能找到最小代價進而找出對應的決策閾值。這樣每乙個p都能對應乙個在學習器下的最下代價，進而下方面積就是概率和代價的積分則為期望：該學習器的整體期望或整體表現。
理解代價函式
q 為什麼會提及關於代價函式的理解？a 在 ml 中線性回歸 邏輯回歸等總都是繞不開代價函式。理解代價函式 是什麼？作用原理？為什麼代價函式是這個？1 代價函式是什麼？代價函式就是用於找到最優解的目的函式，這也是代價函式的作用。損失函式 loss function 是定義在單個樣本上的，算的是乙個樣...
關於代價敏感隨機森林的總結
一.摘要 1.降低分類器複雜度，提高少數類識別率，提出代價敏感隨機森林 2.隨機森林為框架，bagging平衡資料，在基分類器屬性 度量以及評價函式中引入誤分類和測試雙重代價 3.在少數類識別上，比rf，敏誤分類rf有更大的優勢 二.背景 1.針對不平衡分類問題，有人提出了平衡隨機森林 baggin...
P R,ROC曲線理解
解決複習機器學習的時候產生的疑惑，非本專業 周志華主編的機器學習中這樣定義pr曲線 根據學習器的 結果對樣例進行排序，排在最前面的是學習器認為 最可能 時正例的樣本，排在最後的則是學習器認為 最不可能 是正例的樣本，然後按照已經排好的順序逐個把樣本作為正例進行 每次計算當前的查全率，查準率並繪製出曲...