前言
“没有测量，就没有科学。” ——门捷列夫
1、评估指标的局限性
奢侈品广告投放问题，训练奢侈品用户数据模型，准确率高，但非奢用户仍被投广告
问题1 准确率的局限性。难度：★☆☆☆☆
解答：
准确率（Accuracy）：分类正确的样本占总样本个数的比例
缺点：当不同类别的样本比例非常不均衡时，占比大的类别往往成为影响准确率的最主要因素。
改进：平均准确率（每个类别下的样本准确率的算术平均）
模糊搜索排序返回top5精确率高，但用户找不到想要的视频（尤其一些冷门剧集）
问题2 精确率与召回率的权衡。难度：★☆☆☆☆
解答：
精确率（Precision）：分类正确的正样本个数占分类器判定为正样本的样本个数的比例。
召回率（Recall）：分类正确的正样本个数占真正的正样本个数的比例。
综合指标：
P-R曲线Precision-Recall）：横轴是召回率，纵轴是精确率。
F1 score：精准率和召回率的调和平均值F1 = 2×p×r / (p+r)
ROC曲线
预测某部美剧的流量趋势，但结果RMSE都非常高，在95%的时间区间内预测误差小于1%
问题3 RMSE指标居高不下的原因是什么？平方根误差的“意外”。难度：★☆☆☆☆
解答：
均方根误差（Root Mean Square Error，RMSE）：用来衡量回归模型的好坏，能够很好地反映回归模型预测值与真实值的偏离程度。
其中，yi是第i个样本点的真实值， 
是第i个样本点的预测值，n是样本点的个数。
缺点：
如果存在个别偏离程度非常大的离群点（Outlier）时，即使离群点数量非常少，也会让RMSE指标变得很差。
解决方法：
- 若离群点是噪声点，数据与处理阶段过滤噪声
- 若离群点不是噪声点，将离群点机制建模进去
- 更换鲁棒性更好的评估指标，如平均绝对百分比误差（Mean Absolute Percent Error，MAPE）
MAPE相当于把每个点的误差进行了归一化，降低了个别离群点带来的绝对误差的影响。
2、ROC曲线
问题1 什么是ROC曲线？难度：★☆☆☆☆
解答：ROC曲线是Receiver Operating Characteristic Curve，受试者工作特征曲线，横坐标为假阳性率（False Positive Rate，FPR）；纵坐标为真阳性率（True Positive Rate，TPR）。
FPR=FP/N，TPR=TP/P
P是真实的正样本的数量，N是真实的负样本的数量，TP是P个正样本中被分类器预测为正样本的个数，FP是N个负样本中被分类器预测为正样本的个数。
问题2 如何绘制ROC曲线？难度：★★☆☆☆
解答：
通过不断移动分类器的“截断点”来生成曲线上的一组关键点的。
问题3 如何计算AUC？难度：★★☆☆☆
解答：
AUC指的是ROC曲线下的面积大小，能够量化地反映基于ROC曲线衡量出的模型性能。AUC的取值一般在0.5～1之间。由于R
OC曲线一般都处于y=x这条直线的上方（如果不是的话，只要把模型预测的概率反转成1−p就可以得到一个更好的分类器），所以AUC越大，说明分类器越可能把真正的正样本排在前面，分类性能越好。
问题4 ROC曲线相比P-R曲线有什么特点？难度：★★★☆☆
解答：
当正负样本的分布发生变化时，ROC曲线的形状能够基本保持不变，而P-R曲线的形状一般会发生较剧烈的变化。
ROC曲线能够尽量降低不同测试集带来的干扰，更加客观地衡量模型本身的性能。
3、余弦距离的应用
问题1 结合你的学习和研究经历，探讨为什么在一些场景中要使用余弦相似度而不是欧氏距离？难度：★★☆☆☆
解答：
余弦相似度关注的是向量之间的角度关系，并不关心它们的绝对大小，其取值范围是[−1,1]
欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。
模型评估中不同的指标用在什么场景中？
（模型评估：分为离线评估与在线评估两阶段）
分类、 排序、 回归、序列预测等问题，指标不同。
即使评估指标选择对了， 仍会存在模型过拟合或欠拟合、 测试集和训练集划分不合理、 线下评估与线上测试的样本分布存在差异等一系列问题， 但评估指标的选择是最容易被发现， 也是最可能影响评估结果的因素。
分类：（用户分类）准确率、平均准确率（样本比例不均衡）
排序：（搜索排序返回TOP N）精确率、召回率、P-R（PrecisionRecall） 曲线、F1 score、ROC曲线
回归：（预测流量趋势）均方根误差RMSE、平均绝对百分比误差MAPE
每个评估指标都有其价值， 但如果只从单一的评估指标出发去评估模型， 往往会得出片面甚至错误的结论； 只有通过一组互补的指标去评估模型， 才能更好地发现并解决模型存在的问题， 从而更好地解决实际业务场景中遇到的问题。
1183
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
