机器学习算法——概率类模型评估指标1（布里尔分数Brier Score）

Vicky_xiduoduo

已于 2022-05-09 14:52:11 修改

阅读量6.6k

点赞数 4

分类专栏：模型评估文章标签：机器学习算法概率论人工智能分类

于 2022-05-03 11:11:25 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Vicky_xiduoduo/article/details/124550774

版权

本文介绍了概率预测的校准程度概念，并重点讨论了布里尔分数（Brier Score）作为评估概率模型精度的指标。布里尔分数是预测概率与真实结果之间差异的均方误差，越接近0表示预测效果越好。在 sklearn 中，布里尔得分用于评估二分类问题。文章通过实例展示了如何处理多分类问题时计算布里尔分数，涉及哑变量的使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

概率预测的准确程度被称为“校准程度”，是衡量算法预测出的概率和真实结果的差异的一种方式。

一种常用的指标叫做布里尔分数，它被计算为是概率预测相对于测试样本的均方误差（MSE）。

MSE通常用作回归问题的损失函数。MSE的公式为

$MSE = \frac{1}{n} \sum_{i=1}^{n} (Y_i-\hat{Y_i})^2$

预测值为 $\hat{Y}$ ，真实值为Y。

由MSE推出布里尔分数（Brier Score）的公式为:

$Brier \ Score = \frac{1}{N} \sum_{i=1}^{n} (p_i - o_i)^2$

其中，N是样本数量， $p_i$ 为朴素贝叶斯预测出的概率，

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。