【学习篇】机器学习之模型评价
注:以下内容为本人学习心得,可能会存在不准确,有误导大家的可能。请酌情参考,感谢!
SRE实战 互联网时代守护先锋,助力企业售后服务体系运筹帷幄!一键直达领取阿里云限量特价优惠。 对于一个回归问题,可以使用MSE、RMSE、MAE、R方 对于一个分类问题,可以使用分类精准度(实际上,分类精准度是存在陷阱的) 分类准确度够用么?不够 若某事件产生概率为 0.1%,若某算法判断某事情是否产生的准确度为99.9% 时,与人工判定所有情况下都没有发生时,成功概率相同。所以这个99.9% 的准确度是没有什么意义的。 这种情况叫做“极度偏斜”(“Skewed Data”) 精准率:precision = TP/(TP+FP) 分母为所有预测为1的个数,分子是其中预测对了的个数,且预测对了的比例 召回率:recall = TP/(TP+FN) 所有真实值为1的数据中,预测对了的个数。即事件真实发生的情况下,我们成功预测的比例是多少。 混淆矩阵:
预测值0 | 预测值1 | |
真实值0 | TN | FP |
真实值1 | FN | TP |
- TN:真实值是0,预测值也是0,即我们预测是negative,预测正确了。
- FP:真实值是0,预测值是1,即我们预测是positive,但是预测错误了。
- FN:真实值是1,预测值是0,即我们预测是negative,但预测错误了。
- TP:真实值是1,预测值是1,即我们预测是positive,预测正确了。
更多精彩