在上篇文章一文看尽RNN（循环神经网络）中，我们对RNN模型做了总结。由于RNN也有梯度消失的问题，因此很难处理长序列的数据，大牛们对RNN做了改进，得到了RNN的特例LSTM（Long Short-Term Memory），它可以避免常规RNN的梯度消失，因此在工业界得到了广泛的应用。下面我们就对LSTM模型做一个总结。

细想BP算法,CNN(卷积神经网络)我们会发现, 他们的输出都是只考虑前一个输入的影响而不考虑其它时刻输入的影响, 比如简单的猫,狗,手写数字等单个物体的识别具有较好的效果. 但是, 对于一些与时间先后有关的, 比如视频的下一时刻的预测,文档前后文内容的预测等, 这些算法的表现就不尽如人意了.因此, RNN就应运而生了。

本文主要对 Spark ML库下模型评估指标的讲解，以下代码均以Jupyter Notebook进行讲解，Spark版本为2.4.5。模型评估指标位于包org.apache.spark.ml.evaluation下。

sklearn机器学习包中的模型评估指标都在包sklearn.metrics下； 链接地址：[链接] 这里我们选择几个常用的指标进行展示，sklearn的版本为0.22.1。 混淆矩阵（confusion_matrix） 函数原型为： {代码...} 详情链接：[链接] Examples {代码...} {代码...} In the binary case, we can extract true positives, etc as follo...

在分类模型评判的指标中，常见的方法有如下三种： 混淆矩阵（也称误差矩阵，Confusion Matrix） ROC曲线 AUC值 在回归模型评价指标中，常用的方法有如下几种： MSE RMSE MAE R2 混淆矩阵(Confusion matrix) 在机器学习领域中，混淆矩阵（confusion matrix）是一种评价分类模型好坏的形象化展示工具。 混淆矩阵的定义 混...

梯度下降法（Gradient Descent，GD）是一种常见的一阶（first-order）优化方法，是求解无约束优化问题最简单、最经典的方法之一。，在最优化、统计学以及机器学习等领域有着广泛的应用。