From 84670bb30ca3dd12bf1b61001866a47d6ee1f721 Mon Sep 17 00:00:00 2001 From: jiangzhonglian Date: Thu, 6 Apr 2017 16:20:19 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B07.AdaBoost=E7=9A=84=E5=9B=BE?= =?UTF-8?q?=E7=89=87=E4=BD=8D=E7=BD=AE?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/7.利用AdaBoost元算法提高分类.md | 6 +++--- docs/7.ROC曲线.png => images/7.AdaBoost/ROC曲线.png | Bin .../7.AdaBoost/代价函数.png | Bin docs/7.过拟合.png => images/7.AdaBoost/过拟合.png | Bin 4 files changed, 3 insertions(+), 3 deletions(-) rename docs/7.ROC曲线.png => images/7.AdaBoost/ROC曲线.png (100%) rename docs/7.代价函数.png => images/7.AdaBoost/代价函数.png (100%) rename docs/7.过拟合.png => images/7.AdaBoost/过拟合.png (100%) diff --git a/docs/7.利用AdaBoost元算法提高分类.md b/docs/7.利用AdaBoost元算法提高分类.md index e9cdc3a7..3c6d6621 100644 --- a/docs/7.利用AdaBoost元算法提高分类.md +++ b/docs/7.利用AdaBoost元算法提高分类.md @@ -32,18 +32,18 @@ * 单层决策树(decision stump, 也称决策树桩)是一种简单的决策树。 * 过拟合(overfitting, 也称为过学习) * 发现测试错误率在达到一个最小值之后有开始上升，这种现象称为过拟合。 - * ![过拟合](./7.过拟合.png) + * ![过拟合](/images/7.AdaBoost/过拟合.png) * 非均衡分类问题 * 现象： * 判断马是否能继续生存 * 过滤垃圾邮件 * ROC曲线: 最佳的分类器应该尽可能地处于左上角 - * ![ROC曲线](./7.ROC曲线.png) + * ![ROC曲线](/images/7.AdaBoost/ROC曲线.png) * 对不同的ROC曲线进行比较的一个指标是曲线下的面积(Area Unser the Curve, AUC). * AUC给出的是分类器的平均性能值，当然它并不能完全代替对整条曲线的观察。 * 一个完美分类器的AUC为1，而随机猜测的AUC则为0.5。 * 基于代价函数的分类器决策控制：`TP*(-5)+FN*1+FP*50+TN*0` - * ![代价函数](./7.代价函数.png) + * ![代价函数](/images/7.AdaBoost/代价函数.png) * 欠抽样(undersampling)或者过抽样(oversampling) * 欠抽样: 意味着删除样例 * 过抽样: 意味着复制样例(重复使用) diff --git a/docs/7.ROC曲线.png b/images/7.AdaBoost/ROC曲线.png similarity index 100% rename from docs/7.ROC曲线.png rename to images/7.AdaBoost/ROC曲线.png diff --git a/docs/7.代价函数.png b/images/7.AdaBoost/代价函数.png similarity index 100% rename from docs/7.代价函数.png rename to images/7.AdaBoost/代价函数.png diff --git a/docs/7.过拟合.png b/images/7.AdaBoost/过拟合.png similarity index 100% rename from docs/7.过拟合.png rename to images/7.AdaBoost/过拟合.png