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
原创
2020-07-16 16:42:00 ·
2232 阅读 ·
0 评论