weixin_43789661的博客

大家都知道，机器学习无非就是分类和回归，回归需要用到哪些评价指标呢，以及如何看这些评价指标？以下是对全网几篇文章部分的截取，由于文章较为分散，篇幅也不长，就不贴引用了，作者见谅。1.R Square介绍以及为什么好分类准确率，就是在01之间取值。但RMSE和MAE没有这样的性质，得到的误差。因此RMSE和MAE就有这样的局限性，比如我们在预测波士顿方差，RMSE值是4.9（万美元） 我们再去预测身高，可能得到的误差是10（厘米），我们不能说后者比前者更准确，因为二者的量纲根本就不是一类东西。其实这种局

将原始数据随机分为两组，一组做为训练集，一组做为验证集，利用训练集训练分类器，然后利用验证集验证模型，记录最后的分类准确率为此分类器的性能指标。训练集与测试集按比例划分，这个划分选取是随机的，并不是每次将顺序打乱，很次训练结果不一样有些人可能认为是数据的顺序被打乱了，其实不是的。好处：处理简单，只需随机把原始数据分为两组即可坏处：但没有达到交叉的思想，由于是随机的将原始数据分组，所以最后验证集分类准确率的高低与原始数据的分组有很大的关系，得到的结果并不具有说服性。...