机器学习——模型的评估方法速查手册（RMSE+RSE+MAE+RAE+R^2）

模型评估

学习目标

• 目标
• 了解机器学习中模型评估的方法
• 知道过拟合、欠拟合发生情况
• 应用

---

模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。

1 分类模型评估

• 准确率
  • 预测正确的数占样本总数的比例。
• 精确率
  • 正确预测为正占全部预测为正的比例
• 召回率
  • 正确预测为正占全部正样本的比例
• F1-score
  • 主要用于评估模型的稳健性
• AUC指标
  • 主要用于评估样本不均衡的情况

2 回归模型评估

• 均方根误差（Root Mean Squared Error，RMSE）

  • RMSE是一个衡量回归模型误差率的常用公式。 然而，它仅能比较误差是相同单位的模型。