ROC指数简介-51CTO学堂-roc 机器学习

{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }} {{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }} {{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}

提问 {{ interaction.noteNum > 0 ? interaction.noteNum + '篇笔记' : '记笔记' }} 离线观看

下载学堂APP

缓存视频离线看

报告问题离线观看

下载学堂APP

缓存视频离线看

课程介绍

讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}

适合人群

对人工智能，机器学习感兴趣的朋友

你将会学到

了解传统机器学习的算法，包括线性回归，逻辑回归，决策树，随机森林，线性判别分析，主成分分析等推导原理，以及如何调用Sklearn库相关接口，完成算法的实现，应用到具体工程里面。

课程简介

讲解线性回归算法的推导原理，最小二乘法的推导过程，以及求解偏导的意义；引用Sklearn库线性回归模块，调用线性回归的接口，实现模型的预测；讲解逻辑回归算法的推导原理，以及参数优化方法，随机梯度下降的实现方式；引用Sklearn库逻辑回归模块，调用逻辑回归的接口，实现模型的预测；讲解模型预测的评价标准，引入ROC指数，讲解Precision和Recall值得计算方式；讲解决策树方法的构建原理，熵的基础概念；调用Sklearn库决策树模块，构建一个决策树模型；引入组合模型随机森林，调用Sklearn库构建随机森林模型，以及构建决策树和随机森林参数初始化的意义。

展开更多

发布

置顶笔记