机器学习中的数据分析和处理

以下文章摘录自：

《机器学习观止——核心原理与实践》

京东： https://item.jd.com/13166960.html

当当：http://product.dangdang.com/29218274.html

(由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情)

 

 

 

1.1        数据分析和处理

1.1.1        数据集分析的典型方法

通过一些典型的分析方法，我们可以更高效地获取数据集的均衡性、准确性等质量指标，从中找出需要改进的核心点。本小节我们主要以混淆矩阵和数据聚类为例来展开讨论。

1.1.1.1       混淆矩阵(Confusion Matrix)

混淆矩阵有时也被称为误差矩阵，是一种常用的精度评价手段。在机器学习领域，混淆矩阵的n行n列可以用于比较分类结果和实际真值之间的差异，从而直观地展示出不同类别之间的耦合性、总体precision、recall等关键指标。

如下范例所示：