机器学习基础知识

• ROC曲线含义

• DL

  • 卷积运算：参考吴恩达课程中的边缘检测，滑动窗口，乘法加法
    • 运算步骤：滑动窗口，逐个相乘再相加
    • 运算结果：新的矩阵，(s-f)/2 + 1
    • padding: 在原有矩阵进行填充，使得最后输出矩阵大小不变
    • 参数：f，
  • 卷积层
    • 输入是多通道的矩阵，如n*n*3，就是rgb图像
    • 卷积核也是多个，原来每一个通道都和对应的卷积核做卷积运算
  • 立体卷积：多通道的矩阵相当于cube，多个二维卷积核相当于cube，cube做卷积
    • 一个filter 是一个cube，一个filter的输出是一个二维的
    • 多个filter，会让输出cube
  • 池化层：池化层，如max pooling，相当于一个取最大的滑动窗口

ROC 曲线含义

ROC 全称 receiver operating characteristic curve，受试者工作特征曲线

针对二分类任务，有 True Positive Rate 和 False Negative Rate

也就是真阳率（TPR）和假阳率（FNR）

二分类任务，输出的是样本被预测为1的概率，对于这个概率有一个阈值，比如 f(x) > 0.3的时候，我们才选择把样本认为是 True

ROC 就是以 FPR 为横轴，TPR为纵轴，当阈值从 0 到 1 变化时的曲线。

ROC 表示了样本被区分的程度，越形似于 y=x这条线，就说明分类器没有很好区分二者

如果您有任何关于文章的建议，欢迎评论或在 GitHub 提 PR

作者：dutrmp19
本文为作者原创，转载请在 文章开头 注明出处：https://www.cnblogs.com/dutrmp19/p/16435880.html
遵循 CC 4.0 BY-SA 版权协议

---