From e0cc55e0cdfd48ce79e88fac5a6a7957d5e4d7a9 Mon Sep 17 00:00:00 2001 From: feiyun0112 Date: Sat, 10 Jul 2021 16:13:09 +0800 Subject: [PATCH 1/2] Update README.zh-cn.md --- 2-Regression/4-Logistic/translations/README.zh-cn.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/2-Regression/4-Logistic/translations/README.zh-cn.md b/2-Regression/4-Logistic/translations/README.zh-cn.md index 6a421ca1..2bd4d4cb 100644 --- a/2-Regression/4-Logistic/translations/README.zh-cn.md +++ b/2-Regression/4-Logistic/translations/README.zh-cn.md @@ -139,7 +139,7 @@ Seaborn提供了一些巧妙的方法来可视化你的数据。例如，你可 现在我们已经了解了颜色的二元类别与更大的尺寸组之间的关系，让我们探索逻辑回归来确定给定南瓜的可能颜色。 -> **🧮 给我看看数学** +> **🧮 数学知识** > > 还记得线性回归如何经常使用普通最小二乘法来得出一个值吗？逻辑回归依赖于使用[sigmoid 函数](https://wikipedia.org/wiki/Sigmoid_function) 的“最大似然”概念。绘图上的“Sigmoid 函数”看起来像“S”形。它接受一个值并将其映射到0和1之间的某个位置。它的曲线也称为“逻辑曲线”。它的公式如下所示： > From d690b9e65d7c1f48c1761d5284e833d510903e76 Mon Sep 17 00:00:00 2001 From: feiyun0112 Date: Sat, 10 Jul 2021 18:16:07 +0800 Subject: [PATCH 2/2] Update README.zh-cn.md --- 2-Regression/4-Logistic/translations/README.zh-cn.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/2-Regression/4-Logistic/translations/README.zh-cn.md b/2-Regression/4-Logistic/translations/README.zh-cn.md index 2bd4d4cb..52453de5 100644 --- a/2-Regression/4-Logistic/translations/README.zh-cn.md +++ b/2-Regression/4-Logistic/translations/README.zh-cn.md @@ -270,7 +270,7 @@ sns.lineplot(fpr, tpr) ``` 再次使用Seaborn，绘制模型的[接收操作特性](https://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html?highlight=roc)或ROC。 ROC曲线通常用于根据分类器的真假阳性来了解分类器的输出。“ROC曲线通常具有Y轴上的真阳性率和X轴上的假阳性率。” 因此，曲线的陡度以及中点线与曲线之间的空间很重要：你需要一条快速向上并越过直线的曲线。在我们的例子中，一开始就有误报，然后这条线正确地向上和重复： -![ROC](./images/ROC.png) +![ROC](../images/ROC.png) 最后，使用Scikit-learn的[`roc_auc_score` API](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_auc_score.html?highlight=roc_auc#sklearn.metrics.roc_auc_score)来计算实际“曲线下面积”（AUC）：