前面基本上涵盖常规数据分析算法内容,在真实场景,特征工程+模型评估是最重要的2个环节,前者决定模型的好坏,后者完成对模型的打分和选择,在模型评估过程中分类问题、 排序问题、 回归问题往往需要使用不同的指标进行评估。 在诸多的评估指标中, 大部分指标只能片面地反映模型的一部分性能。 如果不能合理地运用评估指标, 不仅不能发现模型本身的问题, 而且会得出错误的结论。
一、特征工程
二、模型选择与评估
准确率(accuracy):就是被分对的样本数除以所有的样本数,通常来说,正确率越高,分类器越好
精度(precision):表示的是所有正例中被分对的比例,衡量了分类器对正例的识别能力
召