机器学习分类及算法度量方式

 1.机器学习Machine Learning 分类

     1>回归Regression:预测值无法枚举

         分类Classfication

         结构化学习模型:模型输出为其他类型

     2>有监督学习Supervised Learning:训练样本为有标签数据

         无监督学习Unsupervised Learning：训练样本为无标签数据

         半监督学习Semi-supervised Learning：训练样本中包含大量未标记数据和少量标签数据

         强化学习 Reinforcement Learning: 智能体Agent通过环境交互获得奖赏来指导自己的行为

         迁移学习 Transfer Learning:将已有模型应用于有联系但不同的领域中

2.机器学习常用性能度量

    1.回归

       1> 均方误差MSE

       2> 均方根误差RMSE

        3>和方误差SSE

        4>平均绝对误差MAE

       5> 平均绝对百分比误差MAPE

        6>平均平方百分比误差MASE

2.分类问题

	预测为真	预测为假
真实为真	TP	FN
真实为假	FP	TN

       1>精确率

 

       2>召回率

       3>真正例率：正例被判断为正例的概率

      4>假正例率：反例被判断为正例的概率

       5>F1

     P-precision  R-recall

       6>ROC与AUC

ROC曲线：横轴FPR  纵轴TPR

AUC：ROC曲线下的面积

注：图来自百度图库