网站首页 mae mse

• 

  超强，必会的机器学习评估指标

  大侠幸会，在下全网同名[算法金]0基础转AI上岸，多个算法赛Top[日更万日，让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能，这是通过使用验证指标来完成的。选择正确的验证指标就像选择一副水晶球：它使我们能够以清晰...

  2025-01-04 jxf315 教程文章 22 ℃
• 

  基于深度学习Autoencoder的信用卡欺诈异常检测，效果非常牛逼

  作者：小伍哥来源：小伍哥聊风控大家好，我是小伍哥，今天接着搞异常检测。深度学习用于异常检测，效果还是相当牛逼的。信用卡欺诈数据集，在孤立森林上能做到26%的top1000准确率，但是在Autoencoder算法上，最高做到了33.6%，但是...

  2025-01-04 jxf315 教程文章 26 ℃
• 

  机器学习:理解损失和损失函数

  当你训练监督机器学习模型时，你经常会听到最小化的损失函数、必须选择的损失函数等等。术语“成本函数”也等效地使用。但是损失是什么？损失函数又是什么？我将在本文中回答这两个问题，我们将首先介绍高级监督学习过程，以奠定基础。这包括训练监督模型时训...

  2025-01-04 jxf315 教程文章 27 ℃
• 

  机器学习常用损失函数总览——基本形式、原理及特点

  机器通过损失函数进行学习。这是一种评估特定算法对给定的数据建模程度的方法。如果预测值与真实值之前偏离较远，那么损失函数便会得到一个比较大的值。在一些优化函数的辅助下，损失函数逐渐学会减少预测值与真实值之间的这种误差。机器学习中的所有算法都...

  2025-01-04 jxf315 教程文章 28 ℃
• 

  最全机器学习知识点!10个机器学习算法回归问题+5个评价指标

  回归分析为许多机器学习算法提供了坚实的基础。在这篇文章中，我们将总结10个重要的回归问题和5个重要的回归问题的评价指标。线性回归的假设是什么？线性回归有四个假设：线性：自变量（x）和因变量（y）之间应该存在线性关系，这意味着x值的变化也应该...

  2025-01-04 jxf315 教程文章 25 ℃
• 

  机器学习回归模型评价指标-MAE, MSE, MAPE及代码实现

  概述前三章主要介绍了机器学习分类模型评估-准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线、F值(F-Measure)、AUC、P-R曲线，本节介绍机器学习回归模型评价指标-MAE...

  2025-01-04 jxf315 教程文章 28 ℃
• 

  AI回归模型评估指标:MSE、RMSE、MAE、R2

  怎么评估AI回归模型的预测结果，计算回归模型预测值与真实值之间的差距？这篇文章里，作者介绍了常见指标的含义与计算方式，一起来看看吧。上文介绍了如何利用混淆矩阵、KS和AUC等指标来评估分类模型的性能，今天我们来看一下如何评估回归模型的预测结...

  2025-01-04 jxf315 教程文章 47 ℃