【DataWhale】【数据分析】Chapter 3 模型建立和评估
模型评估模型评估是为了知道模型的泛化能力。交叉验证(cross-validation)是一种评估泛化性能的统计学方法,它比单次划分训练集和测试集的方法更加稳定、全面。在交叉验证中,数据被多次划分,并且需要训练多个模型。最常用的交叉验证是 k 折交叉验证(k-fold cross-validation),其中 k 是由用户指定的数字,通常取 5 或 10。准确率(precision)度量的是被预测为正例的样本中有多少是真正的正例召回率(recall)度量的是正类样本中有多少被预测为正类f-分数
复制链接