机器学习模型评估综述-二分多分回归聚类稳定性评分卡特征重要性

 

泰格：

       采菊东篱下，悠然现南山，误入机器歧途，无丝竹案牍渐渐远。盼钟鼓馔玉不足贵之境，望可长醉不复醒之日！

 

概述

      模型的评估对于做机器学习是一个很重要的一个领域，所有的模型要想进行评价，必须要有相应的评估指标，这些评估指标经过业务的千锤百炼沉淀了好几十年的！最常见的评估指标，就是准确率、精准率、召回率等，很早之前不懂机器学习的时候，听到别人讲到模型召回率多少，提升了多少，感觉很牛逼，现在听到这些，哇，感觉还是很牛逼。所以有必要详细总结下所有模型评估的方法。​​​​​​

 

模型评估方法综述表

 

模型类型	评估指标	评估指标名称	备注
二分类	Confusionmatri	混淆矩阵	可以根据阈值变化
	accuracy	准确率	可以根据阈值变化
	precision	精准率	可以根据阈值变化
	recall	召回率	可以根据阈值变化
	F1	精准率和召回率的均衡值	可以根据阈值变化
	PR	PR图	必须有概率值
	ROC	ROC图	必须有概率值
	AUC	ROC曲线面积	必须有概率值
	KS曲线	真阳率和假阳率曲线	必须有概率值
	KS值	真阳率和假阳率最大差