ROC（receiver operating characteristic curve）是曲线。也就是下图中的曲线。同时我们也看里面也上了AUC也就是是面积。一般来说，如果ROC是光滑的，那么基本可以判断没有太大的overfitting（比如图中0.2到0.4可能就有问题，但是样本太少了），这个时候调模型可以只看AUC，面积越大一般认为模型越好。 再说...
在信息检索和自然语言处理中经常会使用这些参数，下面简单介绍如下： 准确率与召回率（Precision & Recall） 我们先看下面这张图来加深对概念的理解，然后再具体分析。其中，用P代表Precision，R代表Recall 一般来说，Precision 就是检索出来的条目中（比如：文档、网页等）有多少是准确的，Recall就是所有准确的条目...
参考链接：https://www.cnblogs.com/Zhi-Z/p/8728168.html 具体更详细的可以查阅周志华的西瓜书第二章，写的非常详细~ 一、机器学习性能评估指标 1.准确率(Accurary) 准确率是我们最常见的评价指标，而且很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好。 准确率确实是一个很...
倾向于使用准确率，是因为熟悉它的定义，而不是因为它是评估模型的最佳工具！ 精度（查准率）和召回率（查全率）等指标对衡量机器学习的模型性能是非常基本的，特别是在不平衡分布数据集的案例中，在周志华教授的「西瓜书」中就特别详细地介绍了这些概念。 什么是分布不平衡的数据集？ 倘若某人声称创建了一个能够识别登上飞机的恐怖分子的模型，并且准确...
位姿检索使用了LSH方法，而不使用PNP方法，是有一定的来由的。主要的工作会转移到特征提取和检索的算法上面来，有得必有失。因此，放弃了解析的方法之后，又放弃了优化的方法，最后陷入了检索的汪洋大海。 0：转自wiki：http://en.wikipedia.org/wiki/Locality_sensitive_hashing 以下参考资料仅供参考：LS...
1.回环检测的必要性因为累积误差，最后会使地图出现漂移。比如之前位姿图优化，只给后端提供相邻帧之间的约束，x1-x2,x2-x3,x1的误差就会传到x3.而回环检测能够给出时隔更久远的约束，比如x1-x100,它做的事就是检测相机经过了同一个地方，把带有累积误差的边拉回到了正确的位置。回环检测提供了当前数据与历史数据之间的关联，一是可以保证轨迹和地图长时间...