机器学习中常用的评估指标及其在 R 语言中的应用

机器学习中常用的评估指标及其在 R 语言中的应用

机器学习是一种通过算法和模型训练计算机从数据中学习和推断的方法。在机器学习任务中，评估模型的性能是至关重要的，因为它可以帮助我们了解模型的准确性和效果。本文将介绍一些常见的机器学习评估指标，并提供在 R 语言中计算这些指标的示例代码。

1. 准确率（Accuracy）：
   准确率是分类问题中最常用的评估指标之一，它表示模型预测正确的样本数占总样本数的比例。

# 计算准确率
accuracy <- function(actual, predicted) {
  correct <- sum(actual == predicted)
  total <- length(actual)
  accuracy <- correct / total
  return(accuracy)
}

# 示例
actual <- c(1, 0, 1, 1, 0)
predicted <- c(0, 0, 1, 1, 1)
accuracy_score <- accuracy(actual, predicted)
print(paste("准确率：", accuracy_score))

2. 精确率（Precision）和召回率（Recall）：
   精确率和召回率是用于衡量二分类问