[人工智能] 统计学习方法之一些重要笔记（自认为的）（后续还会继续）

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 统计学习方法之一些重要笔记（自认为的）（后续还会继续） -> 正文阅读

[人工智能]统计学习方法之一些重要笔记（自认为的）（后续还会继续）

1.分类是针对于监督学习的。聚类是对于无监督学习的（备注：聚类只是起辅助作用的，不可以作为最终决策方法。）
2.回归对于的是连续型数值变量。
3.混淆矩阵(ps:人们特别关注的点一般为+)
在这里插入图片描述

4.一些常用的度量指标在这里插入图片描述
重要一点的必须记得的是：
准确率：(TP+TN)/(P+N)
召回率：(FP+FN)/(P+N)
精度：TP/(TP+FP)
F1分数：[2*(精度)*(召回率)]/(精度+召回率)
几个特殊一点的：
真正率：TPR = TP/(TP+FN)
真负率：TNR = TN/(TN+FP)
假正率：FPR = FP/(FP+TN)
假负率：FNR = FN/(FN+TP)
5.：ROC曲线含有假正率和真正率