机器学习应用系统设计 第三章

3.学习成果的评价

3.1 分类的评价矩阵

准确率

（主要性能）

精确率

（以垃圾邮件为例，在预测为垃圾的邮件中，确实是垃圾邮件的比例）

召回率

（以垃圾邮件为例，在所有数据里所包含的垃圾邮件，被正确预测为垃圾邮件）

F值

（良好均衡性能）

混淆矩阵

（TP,TN,FP,TN）

多类别分类的平均均值：

(多类别分类的平均取值：微平均与宏平均)

微平均

精确率=（TP1+TP2+TP3）/(TP1+TP2+TP3+FP1+FP2+FP3)

宏平均

精确率=（精确率1+精确率2+精确率3）/3

分类模型对比

F,ROC,AUG（曲线）

3.2 回归的评价

3.2.1 均方根误差

3.2.2 可决系数

3.3 机器学习系统的A/B测试