机器学习模型效果评价

标签：第一个   style   多少   average   cal   机器   RoCE   指标   决定   

一、分类

1、精确率

被识别成正类的，有多少是真正的正类。

2、召回率

真正的正类，有多少等被找出来（召回）。

3、准确率

被分类样本总数中，有多少是正确分类的。

4、F1

F1 = 2 * (precision * recall) / (precision + recall)

5、平均精确率（AP）average precision

Precision-recall曲线以下面积

6、AUC（area under curve）

TP-FP曲线以下面积 

二、回归

1、MSE（平均平方误差）

2、RMSE（平均平方根误差）

 为MSE平方根

3、MAE（平均绝对值误差）

4、 R2 score

R2决定系数表达了模型多大程度解释了因变量的变化。

如果单纯用残差平方和等指标衡量模型效果会受到因变量的数量级的影响。例如：例如一个模型中的因变量:10000、20000…..，而另一个模型中因变量为1、2……，这两个模型中第一个模型的残差平方和可能会很大,而另一个会很小，但是这不能说明第一个模型就别第二个模型差。所以指标式中的分式的分母，相当于除掉了因变量的数量级。

5、可解释方差得分

三、聚类

机器学习模型效果评价

标签：第一个   style   多少   average   cal   机器   RoCE   指标   决定   

原文地址：https://www.cnblogs.com/hugh-tan/p/8859216.html