机器学习小组系列笔记---（二）

 一、本周学习内容

知识点描述：如何评价模型的好坏。

本周是机器学习小组第二期的第二周，我们这周学习机器学习的一些相关基础知识我们的学习目标有三个：数据拆分：训练数据集&测试数据集评价分类结果：精准度、混淆矩阵、精准率、召回率、F1 Score、ROC曲线等评价回归结果：MSE、RMSE、MAE、R Squared

二、学习资料

为了方便大家学习，我们推荐了相关的参考资料。

首先，建议阅读《机器学习的敲门砖：kNN算法（中）》(https://mp.weixin.qq.com/s/vvCM0vWH5kmRfrRWxqXT8Q)全文。该篇文章以刚刚学习过的kNN算法为例，介绍了数据拆分，即划分训练数据集&测试数据集的方法。还详细讲解了分类准确度accuracy这一知识点。

然后，还需要阅读《评价分类结果（上）：混淆矩阵、精准率、召回率》(https://mp.weixin.qq.com/s/Fi13jaEkM5EGjmS7Mm_Bjw)全文，以及《评价分类结果（下）：F1 Score、ROC、AUC》（https://mp.weixin.qq.com/s?__biz=MzI4MjkzNTUxMw==&mid=2247483795&idx=1&sn=7cd746ea16b5643e720d5554a5811459&chksm=eb932825dce4a133150b2c298c75a4214c252c4975c567eca13e42a1d8ac860