算法的关键环节就是评价标准的细分,通过不同的评价标准,能够理清算法实现的边界,有助于进一步思考未来进步的方向。本文专注于学习分类任务和检测任务的评价标准,关键字如下:

阅读全文 »

小结数学学习过程中总结的文档

阅读全文 »

之前整理了一套文档生成、托管和发布流程,使用Sphinx完成工程文档的生成,使用Github完成文档的托管,使用Readthedocs完成文档的发布

在实践过程中发现整个流程都有或大或小的不足,尤其是Sphinx工具,最近学习了另外一个文档生成工具MkDocs,更加符合个人的需求

阅读全文 »

对于分类问题,最开始想到的评判标准就是检测准确率(accuracy),即样本检测类别和实际一致的数量占整个样本集的比率。进一步研究发现,还可以用更精细的标准来比较检测性能,学习步骤如下:

  1. 正样本和负样本
  2. TP/FP/TN/FN
  3. TPR/FPR/FDR/PPV/ACC
  4. ROC/AUC
阅读全文 »