原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
讲座分类器性能评价在这个讲座中我们会讨论如何判断一个分类器的有用性及如何比较不同的分类器我们不但有多种不同类型的分类器可供选择而且在每种类型的分类器中也有多种选择比如在最近邻分类器中选择多少近邻在树状分类器的叶节点中需要例子的最少数目在模型中使用哪些预测变量的子集和在神经网络的隐层中有多少个神经元一种两类分类器让我们先看最简单的在某些特定值带有选项的两个类的分类器分成两类的情形是最常见和在实际中常用的我们会在后面延伸我们的分析到多类的情况一个自然的判断分类器表现的评价准则是这个分类器做出错误分类
讲座2
分类器性能评价
在这个讲座中，我们会讨论如何判断一个分类器的有用性，及如何比较不同的分类器。
我们不但有多种不同类型的分类器可供选择，而且在每种类型的分类器中也有多种选择，比
如在k-最近邻分类器中选择多少近邻、在树状分类器的叶节点中需要例子的最少数目，在
Logistic 模型中使用哪些预测变量的子集，和在神经网络的隐层中有多少个神经元。
一种两类分类器
让我们先看最简单的、在某些特定值带有选项的、两个类的分类器。分成两类的情形是
最常见和在实际中常用的。我们会在后面延伸我们的分析到多类的情况
文档评论（0）