#简书地址 主要是数学推导和原理相关 https://www.jianshu.com/writer#/notebooks/44736419/notes/66424626 #TODO 1 完成widedeep 理解，训练 #TODO 2 keras部分完成 #TODO 3 gpu训练几个简单的模玩玩
- 朴素贝叶斯
- 决策树
- 支持向量机
- 逻辑回归
-
2.1 第一个基础概念 混淆矩阵 已预测的结果作为起始，即第二个字母P，N；TP(预测为正，实际为正) FP（预测为正，实际为负） TN（预测为负，实际为负） FN（预测为负，实际为正）
-
2.2 正确率(precision)： 预测正类正确的/ 预测正类的总量 TP /TP +FP
-
2.3 召回率(Recall/Sensitivity)： 预测正类正确的 / 真正的正类总量 TP / TP + FN
-
2.4 特异度(Specificity)： 预测负类正确的/ 真正的负类总量 TN / FP + TN
-
2.5 理解过拟合 和欠拟合 某班级80男生，20女生，训练一个模型找出所有女生； 测试：挑出50人，20为女士，有30个男生误判为女生 评估该模型： 正确率是：20/50=40% 召回率是：20 /20 =100%
-
2.6 想要覆盖更多的样本，模型会高召回率，正确率较低 ，过拟合 模型保守 ，只对它很确定的采样样本做出预测，其正确率就会很高，但是召回率会相对低一些 ，欠拟合
-
2.7 F1-Measure 2/F1 = 1/P +1/R (p=precision,准确率 R=Recall,召回率) 调整化解 F1 = 2PR/P+R = 2TP / 2TP + FP + FN 预测女生的F1 = 20.41/0.4+1 = 57.143%
- 信息