分类与预测算法评价标准
来源:互联网 发布:交易星软件 编辑:程序博客网 时间:2024/04/29 03:44
1.利用训练集对模型进行预测建模,利用测试集对模型进行验证分析,一般训练集数量与测试集数量为8:2;
2.模型预测效果评价指标:相对/绝对误差、平均绝对误差、均方根误差、平均绝对百分误差。
绝对误差:E=Y-Y1;其中E为绝对误差,Y为实际值,Y1为预测值;
相对误差:e=(Y-Y1)/Y;
平均绝对误差:
均方误差:避免正负误差不能相加,加强数值大的误差在指标中的作用,提高指标的灵敏性。
均方根误差: 代表预测值的离散程度。
平均绝对百分误差:一般认为其值小于10时,预测精度较高。
3.识别准确度:
TP:正确的肯定;
TN:正确的否定;
FP:错误的肯定;
FN:错误的否定;
4.识别精确度:
Precision=TP/(TP+FP)*100%
5.反馈率
Recall=TP/(TP+TN)*100%
6.ROC
7.混淆矩阵(Confusion Matrix):样本数据的真实属性与识别结果类型之间的关系。
plotconfusion(target,y);
阅读全文
0 0
- 分类与预测算法评价标准
- 分类算法评价标准
- 分类算法评价标准
- 分类算法的评价标准
- 分类问题评价标准
- 数据挖掘算法--分类与预测笔记
- 分类器性能评价标准
- 分类算法评价
- 分类算法评价
- 分类算法评价
- 使用Weka进行数据挖掘(Weka教程七)Weka分类/预测模型构建与评价
- 排序算法系列之算法性能评价标准与算法选择标准
- 分类与预测
- 分类与预测
- 数据结构算法评价四个标准
- 分类算法评价(集合)
- Weka Explorer(探索者界面) 详解(3)决策树算法,分类器评价标准说明
- Python 决策树预测 分类算法
- 【Java面试题】如何回答GC相关问题
- Python.Numpy学习零碎笔记之数组与矩阵
- HighGo Database v4 Xlogminer的使用
- 关于MySql链接url参数的设置
- Android读书笔记(六) OkHttp(GET、POST)、解析XML(Pull、SAX)
- 分类与预测算法评价标准
- Install terminator in CentOS 7
- CPU缓存刷新的误解
- 嵌入式编程(以STM32为例)中的volatile,const意义及应用场景
- (三)对套接字的设置参数进行设置
- 用Qt creator 实现的第一个qt5小程序
- Web存储
- Spring boot资源文件映射问题
- java高并发程序设计十并发调试和JDK8新特性