Оценка производительности классификационной модели с использованием кривых AUC-ROC и CAP Измерение производительности - важная задача для любого проекта машинного обучения, очень важно проверить, насколько хороша или плоха наша модель. Когда дело касается регрессионных моделей, мы используем R в квадрате (R²) и среднеквадратичную ошибку (RMSE). В случае моделей классификации мы можем полагаться на кривую AUC-ROC или кривую CAP, когда нам нужно оценить или проиллюстрировать..

Эффективный Котлин: рассмотрите встроенный модификатор для функций высшего порядка Вы могли заметить, что все функции обработки коллекции встроены. Вы когда-нибудь спрашивали себя, почему они определены таким образом? Вот, например, упрощенная функция filter из Kotlin stdlib: inline fun <T> Iterable<T>.filter(predicate: (T)->Boolean): List<T>{ val destination = ArrayList<T>() for (element in this ) if (predicate(element))..