当下机器学习领域可谓空前热闹，有不少后起之辈，同时也高手如云。不知道大家有没有见过这样的人，告诉他一些模型指标他就能平直觉告诉你当前模型的问题可能在哪，下一步应该做什么样的实验，宛如会把脉的老中医。怎样学习这样一种能力呢？我注意到很多资料中关于这部分的内容是偏少的。而我刚好在这方面做过一些总结，现在分享出来抛砖引玉。
一、横看成岭侧成峰、远近高低各不同
模型评价通常出现在以下几个环节：调参训练、离线测试、A/B test、线上监控等等。它的意义在于挑出对业务最“有利的”参数或模型。之所以说“最有利”而不是说“最好”，因为模型的评估不是一维的评估。
就像比较两座山，如果是比较哪座更高，结果一目了然。而模型评估是比较哪座山更“雄伟”。如何评价哪座山更“雄伟”呢？山就在那里，我们可以测量它的海拔高度、占地面积、陡峭程度、甚至体积....
正所谓“横看成岭侧成峰，远近高低各不同”，山就在那里，但我们只能通过一些侧面（指标）了解它。如何才能“识得庐山真面目”呢？
二、我们要评估的是什么？
要评价“山”是不是雄伟，我们首先得找到山。模型评估中的山是什么呢？对二分类模型而言，每一个样本都有一个target/label/flag(意思一样，都是样本真实类别的标记，同常用0，1表示两个不同的类别)，同时我们可以使用训练好的模型得出一个预测分类pred（假设取值范围也是0，1）。这样，我们就有了两个向量，
真实向量：
预测向量：
最低0.47元/天 解锁文章
3010
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
