2019-09-22 分类

常见的监督式学习任务：回归任务（预测值）和分类任务（预测类）

数据集

数据集： MNIST, 识别图像中的手写数字，机器学习领域的“Hello World” 

MNIST介绍：7W数据集（图片），每张图片784个特征，图片是：28*28像素，每个特征代表一个像素点的强度，从0（白色）到255（黑色）；目标label：表示的数字

SGD

随机梯度下降分类器：用于二元分类

用到的工具：

图像显示：

%matplotlib inline 

matplotlib.pyplot

imshow: image show 图像显示，参数cmap:color map, 颜色图谱

np.random.shuffle/permutation

SGD分类器

性能评估

K-folder交叉验证

准确率通常无法成为分类器的首要性能指标，特别是在处理偏斜数据集；

混淆矩阵：

[[真负类TN， 假正类FP]

[假负类FN，真正类TP]]

T:True, F:False; P:Positive, N:Negtive

比如：二元分类，预测数字是否为5，那就有两个类别：正类别“5”和负类别“非5”

TN: 本身是负类，预测对了。将6成功预测为“非5”

FP：本身是负类，预测错误。将6预测为“5”

FN：将5预测为“非5”

TP：将5成功预测为“5”

精度：precision = TP / (TP + FP) 

例如：总共（TP+FP）个实例里，有TP个是正确的。

当他说一张图片是5时，只有77%是准确的

召回率/灵敏度：recall = TP / (TP + FN)

解释：（TP+FN ）个实例里找出了TP个正确的

只有79%数字5被检测出来。

from sklearn.metrics  import presicion_score, recall_score

F1分数：

f1_score

重点理解：鱼与熊掌不可兼得，精度/召回率权衡