- 博客(2)
- 收藏
- 关注
RSS订阅原创 模型常用评估指标：分类(混淆矩阵/F1/Recall/ROC/AUC等)；连续(MAPE/RMSE等)
模型评估指标，是对已训练好的模型性能进行评估的重要依据。机器学习的任务无非分为分类问题和连续型预测问题（回归问题）。本文只列出常用的模型评估指标，没有细讲各指标的含义和示例，后期会逐步完善，望大家见谅。分类型问题主要有：混淆矩阵、准确率（Accuracy)、召回率(Recall)、特效性(specificity)、精确率(Precision)、F值(F-Measure)、ROC曲线和AUC值。连续性问题主要有：平均百分比误差、误差平方和以及回归模型的拟合优度。1. 分类型变量解释指标
2020-07-16 16:42:00
2212
原创 SAS9.4-SID更新及教程***（可用至2021年5月）
SAS9.4-SID更新***（可用至2021年5月）每次打开sas总得提前改时间，好麻烦啊！偶然找到最新的SAS9.4的SID，亲测可用！所分享给大家SAS9.4的SID，可用至2021年05月，下面是更新代码。PROC SETINIT RELEASE='9.4'; SITEINFO NAME='MICHIGAN STATE UNIVERSITY-T&R-SFA' SITE=70082953 OSNAME='WX64_WKS' RECREATE WARN=46 GRACE=45 BIRT
2020-06-29 11:28:35
13276
12
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人