回归分析线性回归（普遍解法最小二乘法）步骤：1、读取数据2、画出散点图，求x和y 的相关系数：plt.scatter(x,y),x和y是dataframe3、估计参数模型，建立回归模型：lrModel=LinearRegression()4、训练模型: lm.fit(x,y)5、对回归模型进行检验: lm.score(x,y)6、利用回归模型进行预测: lm.pr
转载
2024-01-11 09:40:18
197阅读
\n 换行符号\r 回车\b 后退一个格\t 制表符（4个字符为一组，当不字符被占有时，重新生成一个制表符。如果被占据，不满4个字符时，生成剩余部分空格。）#原字符 不希望字符串中转义字符起作用，字符串前加r或R
print(r'hello \r \t world')import keyword#查询关键字
print(keyword.kwlist)print(0b101)#0b是二进制
prin
转载
2023-12-06 23:41:04
44阅读
模型评估文章目录模型评估1. 过拟合和欠拟合2. 评估方法-性能评估3. 数据集产生方法3.1 留出法3.2 交叉验证法（常用）3.2.1 特例：留一法3.3 自助法4. 性能度量-评估指标4.1 以分类任务为例：4.2 以回归任务为例：5. 类不平衡数据集和特殊需求5.1 差准率、查全率5
原创
2022-07-07 14:27:02
121阅读
文章目录0、前言1、线性回归的概念1.1 线性回归的原理1.2 线性回归的一般形式：1.3 概率角度的诠释为什么使用均方误差?2、线性回归损失函数、代价函数与目标函数2.1 L1正则——Lassio回归2.2 L2正则——Ridge回归2.3 Elastic Net回归3、线性回归的优化方法3.1 梯度下降法3.2 最小二乘法矩阵求解3.3 牛顿法3.4 拟牛顿法4、线性回归的评价指标5、skl
文章目录1.介绍2. scoring参数2.1 预定义的值2.2 从metric函数定义你的scoring策略2.3 实现你自己的scoring对象3. 分类metrics3.1 二分类/多分类/多标签3.2 accuracy_score3.3 Cohen’s kappa3.4 混淆矩阵3.5 分类报告3.7 Jaccard相似度系数score3.8 准确率，召回率与F值3.8.1 二分类3.8
文章目录正负样本的选择标准评估指标回归问题的评估指标SSE 和方差均方误差（MSE）均方根误差（RMSE）R Squared分类问题的评估指标错误率召回率(查全率)精确率(查准率)混淆矩阵和分类报告P-R曲线准确率f1分值什么时候关注召回率，什么时候关注精确率概率密度评估指标概率密度曲线图相对熵（K-L散度）概率、信息量信息熵相对熵（K-L散度）交叉熵概率分布评估指标ROC曲线KS曲线提升图提升
转载
2024-02-02 09:35:56
1159阅读
生成模型产生的是高维的复杂结构数据，它们不同于判别模型，很难用简单的指标来评估模型的好坏。下面介绍两种当前比较流行的评估生成模型的指标（仅判别图像）：IS（Inception Score）和FID（Frechet Inception Distance score）。 IS IS基于Google的预训
原创
2022-01-14 16:40:06
3889阅读
Z-score模型 Z-score是一维或低维特征空间中的参数异常检测方法。该技术假定数据是高斯分布，异常值是分布尾部的数据点，因此远离数据的平均值。距离的远近取决于使用公式计算的归一化数据点z i的设定阈值Zthr： 其中xi是一个数据点，μ是所有点xi的平均值，δ是所有点xi的标准偏差。 然后经 ...
转载
2021-04-06 19:25:00
534阅读
2评论
# Python模型score函数实现流程
## 流程图
```mermaid
flowchart TD
A[定义模型] --> B[加载训练好的模型]
B --> C[准备输入数据]
C --> D[使用模型预测]
D --> E[计算模型的评估指标]
E --> F[返回评估结果]
```
## 类图
```mermaid
classDiagra
原创
2023-10-29 03:52:28
83阅读
# Python入门
Python是一种高级、通用、解释型编程语言，其设计目标是结构清晰、代码简洁、易读易写。Python可以用于开发Web应用、数据分析、人工智能等多种领域，因此备受程序员的喜爱。本文将带你进入Python的世界，让你快速掌握入门知识。
## Python的特点
- **简洁清晰**：Python采用简洁的语法，使得代码易读易写。
- **面向对象**：Python支持面向
原创
2024-04-01 06:08:23
10阅读
前言主要记录这一周学习python的过程。一、Python的基本概念python解释器是运行python语言编写的程序的软件，可在http://python.org/downloads 中下载，适用于windows、Linux和OS X，可在该网站直接练习代码。下载完成，找到IDLE（python GUI），初次出现的IDLE的窗口，类似如下：上图就是交互式环境，很像windows上的命令行提示符
一、W2V的两种模型：CBOW和Skip-gram W2V有两种模型，分别为CBOW和skip-gram，CBOW是根据上下文$context(w)$来预测中间词$w$，而skip-gram是根据中间词$w$来预测上下文$\displaystyle context(w)$ ；他们都有3层结构——输入层，投影层，输出层。（注：无隐藏层） 二、基于huffuman的CBOW&
经验误差和过拟合 评价模型好坏的几个指标： 正确率：在m个样本中有a个样本正确，则精度为$acc = \frac{a}{m}$ 错误率：在m个样本中有m-a个样本错误，则误差为$err = 1- acc$ 训练误差： 在训练样本中的误差为训练误差。 泛化误差：在测试样本中的误差为泛化误差。 在一个全
原创
2023-05-16 17:07:42
283阅读
欢迎关注”生信修炼手册”!chip_seq是研究转录因子结合，组蛋白修饰的利器，这项技术虽然经过了很多年的发
原创
2022-06-21 06:07:18
379阅读
1. 检索质量评估 通常在开发/验证集上进行。 命中率：对于一个问题，系统是否至少检索到了一个相关文档？这是一个二元指标（是/否）。它衡量了检索的召回能力。 平均精度@K：这是信息检索中的核心指标。它衡量在前K个检索结果中，相关文档的比例和排名位置。例如，MRR@5 表示前5个结果中，第一个相关文档 ...
机器学习回归模型评估 回归模型 评估
转载
2019-07-15 15:45:00
139阅读
以下是我训练word2vec中的代码，主要包括： 1、模型数据的生成， 2、模型训练，两种训练方式 （1）处理成这样的格式： 二维列表，外边的列表将所有的句子token， 里边每个列表是一个句子的token(过滤掉停用词的词列表) [[w1, w2], [w1,w2]]#vocab就是上述的二维列表
model = word2vec.Word2Vec(vocab, size=200, windo
转载
2024-04-01 16:59:24
119阅读
文章目录第一步 导入第三方库和案例数据第二步 标准化数据第三步 编秩第四步 计算秩和比方式1 计算秩的简单平均（评价指标权重相等）方式2 计算秩的加权平均（评价指标权重不等）第五步 导出综合评价结果
第一步 导入第三方库和案例数据import numpy as np
import pandas as pd#按指定路径导入数据，以“地区”为索引（文
转载
2023-12-13 11:34:13
112阅读
Sklearn.metrics下面的r2_score函数用于计算R²（确定系数：coefficient of determination）。它用来度量未来的样本是否可能通过模型被很好地预测。分值为1表示最好，但我们在使用过程中，经常发现它变成了负数，多次手动调参只能改变负值的大小，却始终不能让该值变成正数。 本文将这一问题进行一些初步探讨，希望能起到够抛砖引玉的作用。 R²的定义如下：![Alt]
转载
2023-10-09 10:50:12
836阅读
在本文中，我们将继续进行机器学习讨论，并将重点放在与数据过度拟合相关的问题上，以及控制模型的复杂性，模型评估和错误引入，模型验证和调整以及提高模型性能。 过度拟合过度拟合是预测分析和机器学习中最大的担忧之一。过度拟合是指选择适合训练数据的模型拟合得太好，并且实际上捕获了所有噪声，离群值等的情况。这样的结果是，该模型将很
转载
2023-10-18 23:15:06
66阅读
