2-9 模型评估指标

2-9 模型评估指标

主目录点这里
评估指标
评估指标是指在特定任务或项目中，用于衡量、评估、比较性能或效果的量化标准

这里我要详细说一下混淆矩阵
以下是一个二分类混淆矩阵

有一个好记的方法，正正负负为正确，正负为错误。我们来举个例子理解以下：
我们要预测一条文本内容是不是回答微信手机号，如果是则为正例，如果不是则为负例。假设我有两万条的测试样本，其中1.8万不是回答微信手机号，其中2000条是回答微信手机号。
使用训练好的模型对这2万条测试数据进行预测，得到1.75万条不是回答微信手机号，只有2500条是回答微信手机号。

那么根据上图我们可以得到以下指标




这里的F1Score由精度（P）和召回率（R）计算得到
通常精度和召回率是相互对抗的，即精度高，召回率低；精度低，召回率高
有的情况，在业务中没有明确说以精度或召回率为单指标判断模型质量，便可以使用F1Score的值或者上图两平衡点区间做一个评判标准（这里查准率就是精度，查全率就是召回率）
AUC-ROC

回归的评估指标
绝对误差MAE（mean absolute error）
预测点与真实点之间距离差的绝对值的均值
均方误差MSE（mean squared error）
预测点与实际点之间距离差的平方和的均值
聚类的评估指标

了解下就好