垃圾就应该待在垃圾桶里的博客

最近给我们组新生讲了决策树的相关知识，以下是所做的PPT，参考了网络资源。

对于构建好的机器学习模型，需要对模型的效果进行评估，对于机器学习中的3大类问题，分类，回归，聚类而言，各自有不同的评估指标，本文主要介绍分类模型常用的评估指标。以二分类问题为例，考虑真实分类和模型预测的组合，会出现以下4种结果上述矩阵称之为混淆矩阵，是一个N X N的方阵，其中N表示类别数。对于二分类而言，就是2 X 2的矩阵，其中TP 对应 true positive, 真阳性，真实分类为正，模型预测也为正TN 对应 true negative, 真阴性，真实分类为反，模型预测也为反

在机器学习中，数据集可以划分为以下3类训练集，traning data验证集，validation data测试集，test data将数据集进行划分是非常必要的，如果所有的数据都作为训练集的话，不可避免的会遇到过拟合的问题，所以我们还需要另外的数据对训练集得到的模型的结果进行评估和验证。一般按照6：2：2的比例进行划分。三者的关系如下训练集用于训练模型，验证集用于评估模型，调整模型超参数，测试集则用于评估最后生成的模型的效果。其中验证集是非必需的。利用验证集来评估模型效果，调整超参数的过