机器学习入门课程(5) —— 结果评估

一、模型选择

• 泛化误差：在测试集（未来样本）上的误差
• 经验误差：在训练集上的误差

二、性能评价指标——分类

• 准确率（Accuracy）： 指在分类中，分类正确的记录个数占总记录个数的比；

• 平均准确率：每个类别下的准确率的算术平均；

• 精确率：分类正确的正样本个数占分类器所有的正样本个数的比例；

• 召回率（Recall）：也叫查全率，是指在分类中样本的正例有多少被预测正确了。

  通常，准确率高时，召回率偏低；召回率高时，准确率偏低。

• F1-Score：精确率与召回率的调和平均值（2倍乘积除以和），它的值更接近于精确率和召回率中较小的值。