分类问题的评价指标
-
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。
-
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。
-
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。
-
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。
-
ROC曲线与AUC曲线
回归问题评价指标
-
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。
-
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。
-
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。
-
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