机器学习常用数学公式

常用函数

softmax

softmax(x)i=exijexj

sigmoid

σ(x)=11+ex

gradient of sigmoid

σ'(x)=σ(x)(1σ(x))

tanh

tanh(x)=1e2x1+e2x

ReLU

ReLU(x)=max(0,x)

cross-entropy cost

CE(y,y^)=iyilog(y^i)

评测指标

准确率

Precision(%)=Truepositive(Truepositive+Falsepositive)×100%

召回率

Recall(%)=Truepositive(Truenegative+Falsenegative)×100%

F1-score

F1Score=21p+1r

或者
F1Score=2×P×RP+R=2×TP+TPTN

MSE: Mean Squared Error

MSE=1mi=1m(y^(i)y(i))2

RMSE

RMSE=1mi=1m(y^(i)y(i))2

MAE :Mean Absolute Error

MAE=1mi=1m|y^(i)y(i)|

  • 均方误差是指参数估计值与参数真值之差平方的期望值,可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度.
  • 均方根误差是均方误差的算术平方根
  • 平均绝对误差是绝对误差的平均值,能更好地反映预测值误差的实际情况.

你可能感兴趣的:(深度学习,机器学习,数学,markdown,latex)