分类和回归问题常用的评价指标

分类问题的评价指标

1. 准确率（Accuracy）：分对的样本数占总样本数的比例，最直接且常用的评价指标。

2. 精确率（Precision）：真正例（TP）数占所有预测为正例（P）的样本数的比例，评价分类器对正例的识别能力。

3. 召回率（Recall）：真正例（TP）数占所有实际正例（T）的样本数的比例，评价分类器对正例的分类能力。

4. F1 Score：综合了精确率和召回率的指标，是二者调和平均数的倒数。

5. ROC曲线与AUC曲线

回归问题评价指标

1. 均方根误差（RMSE）：RMSE是最常用的回归问题评价指标之一。它衡量模型预测值与实际值之间的差异，数值越小说明预测结果越准确。

2. 平均绝对误差（MAE）：MAE也是常用的回归问题评价指标，它是预测值与实际值之间差异的绝对值的平均数。MAE的值较小表明模型的预测结果与实际值的差异也较小。

3. R平方值（R²）：R²用于衡量模型的拟合优度，它表示因变量的方差中有多少可以被自变量解释。R²数值范围从0到1，数值越接近1越好。

4. 相关系数（Pearson Correlation Coefficient）：相关系数是用于衡量变量之间的线性相关程度