首页 > 试题广场 >

小王在用svm做一个垃圾邮件分类器，如果一个邮件为垃圾邮件，

[问答题]
小王在用svm做一个垃圾邮件分类器，如果一个邮件为垃圾邮件，则y=1，否则y=0.
（1）小王应该提取哪些特征？
（2）在小王的训练集合中，有99%都是非垃圾邮件，1%是垃圾邮件，如果最后训练的模型为对所有的邮件都判定为非垃圾邮件，请问在训练集中，准确率为多少，召回率为多少？
（3）如果在应用场景中，希望能尽可能的召回垃圾邮件，应该怎么办？
添加回答
567568头像 567568
不应该都是0吗
发表于 2020-12-08 20:38:56 回复(0)
asdff头像 asdff
(1)被评为垃圾邮件的发信邮件地址，信的内容，信的格式（长度，段落等）
(2)准确率为1%，召回率为1.01%
发表于 2015-04-30 21:24:09 回复(0)
Pypanda头像 Pypanda
准确率：99% 召回率：0
可以采取过抽样，是正父类平衡
发表于 2015-08-02 19:50:52 回复(0)
桃花请砸我～头像 桃花请砸我～
准确率：90% ；召回率 0
提高不平衡样本的召回率方法有：
1增加数据集中的样本数量
2重采样：对于大类数据样本使用欠采样，减少它的样本数；对于小类数据样本采取过采样，增加它的样本数
3人工制造样本：例如SMOTE算法就可以增加小类样本的数量
4尝试采取多个分类算法，比较不同算法的效果，选取最优的。比如决策树对于样本不平衡效果比较好
5对模型进行惩罚。有两种方式（1）增加小类样本的权重或减少大类样本的权重（2）对于分类器分类小类样本错误时，加大惩罚

发表于 2019-09-24 13:24:56 回复(0)
救赎NLP头像 救赎NLP
对于正样本(垃圾邮件)，
Recall = 0 (因为一个垃圾邮件都没找到)，Precision = 0 (因为没有预测为垃圾邮件的预测)
负样本(非垃圾邮件)
Recall = 100% （所有非垃圾邮件都被找出来了），Precision = 99% （其中有1%的预测为非垃圾邮件的预测是预测错了）

因此，按权重计算总体的召回率(查全率)和准确率(查准率)为：
Recall = (0*1%+100%*99%) /1 = 99%     ， Precision= (0*1%+99%*99%)/1 = 0.9801
发表于 2019-01-23 23:04:34 回复(0)
我需要个offer头像 我需要个offer
（3）对正样本进行上采样，或者对正样本加大的权重
发表于 2017-08-02 10:12:21 回复(0)
提交观点

问题信息

机器学习 百度
上传者：小牧魔法袋
难度：
6条回答 19612浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号