机器学习基础知识
-
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
- 输入是多通道的矩阵,如
- 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
- 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
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