想问下机器学习PAI中swing的详细计算公式是什么呢?[阿里云机器学习PAI]

想问下机器学习PAI中swing的详细计算公式是什么呢?

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
=====这是一个广告位,招租中,联系qq 78315851====
4 条回复 A 作者 M 管理员
  1. Swing是一种用于二分类问题的评价指标,其定义如下:

    SWING = TP - FP + TN - FN

    其中,TP表示真正例(True Positive),FP表示假正例(False Positive),TN表示真反例(True Negative),FN表示假反例(False Negative)

    它基于四个基础指标(TP、FP、TN、FN),既考虑了分类器的准确性又考虑了分类器的偏差性(bias)。Swing值可以取正负值,当Swing值为正时,分类器思考的方式更倾向于预测样本为正例,而当Swing值为负时,则更倾向于预测样本为反例。

    一般来说,对于具有较好性能的模型,Swing值应该为正。其显著优点是不受数据分布倾斜的影响,因此适用于不平衡数据集的评估。

  2. 我能够为你提供有关Swing机器学习算法的基本信息。Swing 是基于分类器的机器学习算法,其本质是一种决策树的改进版本。

    在 Swing 算法中,每个节点都会遍历训练集中的数据,并选择最优的特征来评估所需的分裂方式。 在评估分裂方式时,Swing 算法综合考虑分类准确率和分裂程度的平衡,使得分裂后的数据更加具有代表性和区分性。最终,Swing 算法构建出一棵分裂之后分类器的决策树,用于对新的数据进行二分类预测。

    与传统的分类树相比,Swing 算法的计算公式是一个优化问题,具体来说是在每个节点上根据特定的目标函数测量每个特征(或特征组合)的重要性,该目标函数可以根据用户需求进行定制。

    由于 Swing 算法是一种比较新的算法,因此其具体的计算公式可能会被不断改进和优化。在具体使用 Swing 算法时,建议参考相关的文献和资料,了解其最新的计算公式,并使用专业的机器学习工具包进行实现和操作。

    • Swing是基于混淆矩阵(Confusion Matrix)计算的,具体公式如下:

    Swing = (TP + TN) / (TP + TN + FP + FN)

    其中,TP表示真正例(True Positive)的数量,即被正确地预测为正例的数量;TN表示真反例(True Negative)的数量,即被正确地预测为反例的数量;FP表示假正例(False Positive)的数量,即被错误地预测为正例的数量;FN表示假反例(False Negative)的数量,即被错误地预测为反例的数量。

  3. Swing算法是阿里巴巴提出的一种召回算法,swing算法考虑user – item – user这样的局部图结构关系;对于共同点击商品的用户,如果用户之间共同点击的商品越少则商品就越相似。 商品的Swing得分计算如下:

    上式中,表示点击商品的所有用户;表示用户点击的所有商品;是一个平滑因子;

  4. 参考文档https://zhuanlan.zhihu.com/p/364593067,此回答整理自钉群“【EasyRec】推荐算法交流群”