![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模型评价
小麦粒
我的人生,我做主
展开
-
learning_curve(学习曲线)
查看模型的学习效果;通过学习曲线可以清晰的看出模型对数据的过拟合和欠拟合;学习曲线:随着训练样本的逐渐增多,算法训练出的模型的表现能力;表现能力:也就是模型的预测准确率,使用均方误差表示;学习率上体现了模型相对于训练集和测试集两类数据的均方误差。原创 2019-10-11 22:03:23 · 26762 阅读 · 4 评论 -
模型评价ROC\AUC\查准率\查全率\F-score\混淆矩阵\KS曲线\PR曲线等
AUC(Area Under Curve)是由ROC(Receiver Operating Characteristic Curve,受试者工作特征曲线)及其曲线下的面积组成,而ROC是由真阳性率和假阳性率绘制而成的曲线,是反映敏感性和特异性连续变量的综合指标,ROC曲线上每个点反映着对同一信号刺激的感受性。混淆矩阵是ROC曲线绘制的基础,返回值是一个误差矩阵,常用来可视化地评估监督学习算法的性能。指标还有查准率、查全率和F-score等原创 2019-08-04 22:08:32 · 2630 阅读 · 0 评论 -
模型评估(三)top
top1就是你预测的label取最后概率向量里面最大的那一个作为预测结果,你的预测结果中概率最大的那个类必须是正确类别才算预测正确。而top5就是最后概率向量最大的前五名中出现了正确概率即为预测正确。原创 2019-08-16 14:23:57 · 2399 阅读 · 0 评论