fitness、simplicity、precision、generalization（泛化能力）
下面是一个confuse matrix
confuse matrix
中间的重叠部分（TP）越大越好
在上图中的FN（False Negative）是我们需要去避免发生的，因为照理（Model）说这些事情不应该发生，但是事实上发生了
同时，FP（False Positive）也是不应该发生的
下面讨论第一个指标：
recall
precision
当这两个指标的值都很高，说明这个模型很好
1、四个描述过程挖掘的关键因素 fitness、simplicity、precision、generalizati...
1、PRoM使用 PRoM使用出现了问题，不能读取插件，所以不能正常使用 2、Disco使用 首先点击左上角，选择...
1、Confusion Matrix Precision和Recall: 我们期望这两个值越接近越好~~ 2、交叉...
以下公式主要是用于计算我们的预估值和实际情况的差别 1、Support、Confidence、Lift基础计算 这...
1、无限的Token如何发生？讨论Boundedness 接上一节， Place p1上的Token只要无限地执行...
1、Petri Nets基本概念 图中的正方形Transition代表的是从一个状态转换到另一个状态的关系。 一个...
1、简单地回顾上一Module Play-Out：从一个已经完成的模型指导我们现实生活的行为 Play-In：从现...
前情回顾： 1、α算法的输入 我们不需要看一个activity的时间戳之类的信息，我们只需要关注具体活动内容和先后...
1、何为聚类 一般聚类都会有成百上千个维度！ 那么这个分类到底是如何进行的呢： 通过聚类我们可以获得更小的数据集 ...
工欲善其事，必先利其器。踏入大数据时代，你的“工具”跟上时代了吗？在数据挖掘过程中，有大量的工具可供使用，比如采用...
本文标题：Cousera过程挖掘9-Module3-工具使用
本文链接：https://www.haomeiwen.com/subject/blijvftx.html
网友评论