问使用元音wabbit的套袋/助推

EN

为了增加使用--boosting N (最近增加了，所以使用大众从GitHub)。对于套袋，使用--bootstrap M。见Vowpal Wabbit的梯度增强。

我不知道如何将召回和精确性定义为3类。现在，假设您有一个标准的二进制分类(包含两个类:正和负)，并且您希望优化f1得分(精确性和召回度的调和平均值)，并且您有precision=10%，recall=90%。因此，只有10%的积极预测的例子是真正积极的。(这可能是由于数据不平衡或测试数据中的阳性示例与培训数据所占比例不同造成的。)在这种情况下，我建议增加负面示例的重要性权重(参见大众wiki中的重要性)(或降低正示例的重要性)。