知識星球
筆者邀請您，先思考：
1 你熟悉和理解機器學習那些專業術語？舉例說明
分類器
將未標記的實體對映到類的程式或函式稱為分類器。
混淆矩陣
混淆矩陣，也稱為關聯表或錯誤矩陣，用於視覺化分類器的效能。
矩陣的串列示預測類的實體，行表示實際類的實體。(註意:也可以反過來。)
對於二進位制分類，表有兩行兩列。
例如：
這意味著分類器在42個案例中正確地預測了為男性，並錯誤地預測了8個男性案例為女性。它正確地預測了32例女性，18例被錯誤地預測為男性而不是女性。
正確度（錯誤率）
準確性是一種統計度量，定義為分類器所做的正確預測的數除以分類器所做的預測的總和。
我們前面例子中的分類器正確地預測了42個男性實體和32個女性實體。
因此，可以透過以下方法計算精度:
正確度=(42 + 32)/(42 + 8 + 18 + 32)
這是0.72
假設我們有一個分類器，它總是預測“女性”。在這種情況下，我們的準確度為50%。
我們將展示所謂的準確性悖論。
垃圾郵件識別分類器由以下混淆矩陣描述:
該分類器的精度為(4 + 91)/ 100，即95%。
下麵的分類器只預測“ham”，並且有同樣的準確性。
這個分類器的準確度為95%，即使它根本不能識別任何垃圾郵件。
Precision and Recall
Accuracy: (TN+TP)/(TN+TP+FN+FP)
Precision: TP/(TP+FP)
Recall: TP/(TP+FN)
監督式學習
機器學習程式同時給出輸入資料和相應的標簽。這意味著學習資料必須事先由人類標記。
無監督學習
學習演演算法沒有標簽。演演算法必須計算出輸入資料的簇。
強化學習
計算機程式與它的環境進行動態互動。這意味著程式接收到積極和/或消極的反饋，以改進效能。
原文連結：
https://www.python-course.eu/machine_learning_terminology.php
版權宣告：作者保留權利，嚴禁修改，轉載請註明原文連結。
資料人網是資料人學習、交流和分享的平臺http://shujuren.org 。專註於從資料中學習到有用知識。
平臺的理念：人人投稿，知識共享；人人分析，洞見驅動；智慧聚合，普惠人人。
您在資料人網平臺，可以1）學習資料知識；2）建立資料部落格；3）認識資料朋友；4）尋找資料工作；5）找到其它與資料相關的乾貨。
我們努力堅持做原創，聚合和分享優質的省時的資料知識！
我們都是資料人，資料是有價值的，堅定不移地實現從資料到商業價值的轉換！
點選閱讀原文，進入資料人網，獲取資料知識。