第二章《模型评估与选择》part2_性能度量one

一、针对回归（拟合）问题：

1.MAE（平均绝对误差）

 2.MSE(均方误差）

3.均方根误差（RMSE）

 4.R方系数

R方系数取值为1，说明完美拟合；

取值为0，说明拟合的是目标的均值；

取值为负数，说明拟合不理想。

MAE,MSE,RMSE的区别和联系：

1.三者的取值范围都是0-∞；

2.MSE的单位和目标不同，其他和目标一致；

3.三者对预测错误的正负不敏感；

4.三者都是越小越好；

5.RMSE对离群点敏感；

6.MAE对离群点鲁棒。

二、分类问题：

1.错误率就是分错的样本占总样本个数；

精度就是分对的样本占总样本个数；

但是，高精度不一定就代表这个模型分类效果很好；比如，90个桃和10个苹果放在黑箱子里，我不需要任何技术，我把里面全部判断为桃子，我的分类精度也能高达90%，

因此引入混淆矩阵

2.混淆矩阵

根据混淆矩阵，会计算Precision,Recall,F1-score 

 选学马修斯相关系数MCC：