对生成的模型进行比较,以得到最好的训练结果。需要使用评估算法进行评估。
评估算法
- 分离训练数据集和评估数据集
- 66.7% + 33.3%
- K折交叉验证分离
- 把data分为K组,每组都单独做一次 validation_data
- 弃一交叉验证分离
- data中的每一个数据,都做一次validation
- 重复随机评估
- 随机分组,作validation
混淆矩阵相关
图形分类
- 错误率
- Accurancy
- Precision
- Recall
- F1-Score
- TPR
- FPR
- PRC曲线
- Precision作Y,Recall作X
- 曲线下方面积为1时,性能最理想。
- ROC曲线
- TPR作Y,FPR作X
- AUC曲线的Y值为ROC曲线下方的面积
- 曲线越靠左上,性能越好
目标检测
- IOU
- AP
- mAP
回归类型
- MAE
- RMSE