![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
评价指标
文章平均质量分 60
從疑開始
一个有头发的程序工作者
展开
-
机器学习——常用的回归模型性能评价指标
对于回归而言,更注重的是模型拟合的曲线,相对于真实曲线的误差。主要包括:拟合优度/R-Squared,校正决定系数(Adjusted R-square),均方误差(MSE),均方根误差(RMSE),误差平方和(SSE),平均绝对误差(MAE),平均绝对百分比误差(MAPE)。1、均方误差(MSE)均方误差是指:观测值与真值偏差的平方和与观测次数的比值公式:MSE相当于模型中的损失函数,线性回归过程中尽量让该损失函数最小。那么模型之间的对比也可以用它来比较。MSE可以评价模型的预测精度,MSE的值越原创 2021-02-22 15:36:51 · 5494 阅读 · 0 评论 -
机器学习——常用的分类模型性能评价指标
分类模型的性能评价指标,主要包含准确率,精确率、召回率、f1_score,ROC曲线,AUC等1、分类评价指标先列出混淆矩阵其中:TP:真实值是positive,模型分为positiveFN:真实值是positive,模型分为negativeFP:真实值是negative,模型分为positiveTN:真实值是negative,模型认为是negative1.1、准确度(Accuracy)准确度:对于给定的测试集,模型正确分类的样本数与总样本数之比。公式为:1.2、精确度(preci原创 2021-02-22 14:49:40 · 8378 阅读 · 0 评论