🤖Viredery@Viredery

“问到我了。。。当时北师大校友在论坛打广告上了十大，在付小姐旁边开的奶茶店，但取名和茶颜悦色有没有关系我就不知道了 专门搜了下茶颜悦色是什么，发现在长沙 【 在 sourgreen 的大作中提到: 】 : 茶颜知己是茶颜悦色的盗版吗？”

“啊我从没做过过采样和欠采样。这个权重是直接映射到log loss上的，通俗说对数量少的类别，分类错误的惩罚将大于数量多的类别分类错误的惩罚。。。 不过花书上有一段提到，好像在工业界，数据量极其大的情况下，不一定所有数据都要用，所以我猜可以每一次epoch都做下欠采样？ 【 在 Ratio 的大作中提到: 】 : 谢谢学…”

“1、 auc这个指标更像排序，不需要在意。 f1-score也要考虑正负样本，毕竟需要设置阈值 2、 P（x）不同，则不具备学习可行性 【 在 Ratio 的大作中提到: 】 : 学长你好，博客拜读，很有收获这里想追问下： : ①学长你所说的"数据集划分相比metrics"合理的意思是不是就是对于f1-score，au…”

“看看metrics也就是评分标准，如果你数据集的划分相比metrics来说算是合理的话，那可以不管，只要cv和test是同增同减就好。不过，我遇到过一次分布差别特别大的，而评分标准是log loss而不是auc之类的，所以得处理下，我写的总结https://www.cnblogs.com/viredery/p/cros…”

“论坛里至少一半人的求职目标都是码农，改代码到现在对大家来说都很正常。。。”

“楼主帅呀～”

“七月份开始做4”

“那你可以先把实际场景搞明白，然后再把VC维带进去？ 想深入地学一下VC维的话推荐Learning From Data前三章，讲的很详细书也不厚～ 打个广告 https://www.cnblogs.com/viredery/p/learning_theory.html 只有推导没有理解”