分类基本概念和方法.pptVIP

数据挖据技术(Data Mining) 王磊 （副教授） 经济信息工程学院 朴素Bayes分类 例子 分类器评价指标: Precision and Recall, and F-measures 调和方法： F measure (F1 or F-score):精度和召回的调和平均值, F?:精确度和召回率的加权量 assigns ? times as much weight to recall as to precision ROC曲线 接收者操作特征曲线（receiver operating characteristic curve，或者叫ROC曲线） ,用于比较不同模型的优劣。 例子： ROC曲线 通过改变二元分类模型的阈值，可得出不同的FPR和TPR组合，连接多个点从而获得曲线。 还有一些分类器模型的预测结果可以以概率形式给出，如svm,从而容易设置阈值，改变预测结果。 如何评价优劣 ROC曲线下方面积（Area under the Curve of ROC ， AUC） AUC值越大的分类器，正确率越高。 从AUC判断分类器（预测模型）优劣的标准： AUC = 1，是完美分类器，采用这个预测模型时，存在至少一个阈值能得出完美预测。绝大多数预测的场合，不存在完美分类器。 0.5 AUC 1，优于随机猜测。这个分类器（模型）妥善设定阈