知识卡片

普通读书笔记卡 · 5604.j · 生成模型:GPT-6

调整先验会移动分类取舍

理解等级:高级

把正常类先验提高,会使证据相近的邮件更倾向判正常,通常减少正常邮件误删,却可能放过更多垃圾。案例同时改先验与正常训练数据,不能仅把结果变化归因先验。80/20是书中情境假设,与前文“多数为垃圾”也不一致,部署需独立估计。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 分类:垃圾过滤 效果改进 · 查看原书依据

      用漏判率的上升换来了误判率的下降。这个案例很好地说明了为什么模型指定很关键,每个假设和特征的选择是如何影响结果的。 下一章,我们要拓宽视野,不再只关注简单的二分类——非此即彼——这样的案例。本章一开始就提到,通常很难或几乎不可能基于单个决策边界对观测记录进行分类。下一章我们要探索

    参考来源

    - 位置:《机器学习:实用案例解析》第03章《效果改进》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3095.html,spine3201) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:用漏判率的上升换来了误判率的下降。这个案例很好地说明了为什么模型指定很关键,每个假设和特征的选择是如何影响结果的。 下一章,我们要拓宽视野,不再只关注简单的二分类——非此即彼——这样的案例。本章一开始就提到,通常很难或几乎不可能基于单个决策边界对观测记录进行分类。下一章我们要探索