算法测试
文章平均质量分 95
算法测试
测试开发abbey
高级测试工程师,2年C语言开发,4年服务端测开,擅长服务端测试、音视频测试
展开
-
算法测试—机器学习算法评价指标
目录一、分类问题二、回归问题三、聚类四、信息检索五、总结在使用机器学习算法过程中,针对不同的问题需要不用的模型评估标准,这里统一汇总。主要以两大类分类与回归分别阐述。一、分类问题1、混淆矩阵混淆矩阵是监督学习中的一种可视化工具,主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别,每一列代表实例的真实类别。真正(True Positive , TP):被模型预测为正的正样本。假正(False Positive , FP):被模型预测为正的负样原创 2021-02-14 12:55:29 · 3385 阅读 · 0 评论 -
OCR算法识别率怎么评估?
关于OCR算法:一、测试方法:人工检验(效率低、需要提升)二、算法指标:1、文字识别准确率字符准确率:单字识别率,就是按单字算,一百个字里错5个字,识别率95%。字符识别准确率,即识别对的字符数占总识别出来字符数的比例,可以反应识别错和多识别的情况,但无法反应漏识别的情况 字符识别召回率,即识别对的字符数占实际字符数的比例,可以反应识别错和漏识别的情况,但是没办法反应多识别的情况,可以配套字符识别准确率一起使用。整行准确率:一个字段算一个整体,假如100个字分为20个字段,里面错原创 2020-12-11 18:52:20 · 6671 阅读 · 0 评论 -
【AI测试】机器学习项目的测试,算法测试
目录一、算法测试1、模型评估2、鲁棒性 (robustness)3、模型安全4、响应速度二、业务测试三、白盒测试四、模型监控五、算法测试学习入门一、算法测试1、模型评估如何评估模型?可以通过泛化能力。泛化能力指的是学习方法对未知数据的预测能力。就好比运动员平时都是在训练场进行训练,而评估运动员的真实实力要看在大赛中的表现。我们实际希望的,是在新样本上能表现得很好的学习器,为了达到这个目的,应该从训练样本中尽可能推演出适用于所有潜在样本的“普通规律”,这..转载 2020-12-11 17:25:07 · 3378 阅读 · 0 评论