机器学习第三篇 模型评估（交叉验证）

1. Sklearn:可以做数据预处理、分类、回归、聚类，不能做神经网络。
2. 原始的工具包文档：
3. scikit-learn: machine learning in Python — scikit-learn 1.6.1 documentation
4. 数据集:使用的是MNIST手写数字识别技术，大小为70000，数据类型为784个像素点。
5. 模型评估方法有留一法、交叉验证法、自助法。
6. 交叉验证：将数据集划分为K个大小相似的互斥子集，又称K折交叉验证，准确率为K次评估的平均值。
7. Positove:正例；necative:负例。分类结果混淆矩阵（TP、FN、FP、TN）
8. 查准率：TP/（TP+FP）；查全率：TP/（TP+FN）；
9. ROC曲线全称是“受试者工作特征”曲线，纵轴为TPR（真正例率），横轴为FPR（假正例率）。

代码：