机器学习笔记--模型评估之一：准确率与召回率，平均根误差（RMSE、平均绝对百分比误差（MAPE）
准确率：分类正确的样本占总样本个数的比例，Accuracy=ncorrect/ntotal精确率Precision：精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数比例召回率Recall：分类正确的正样本个数占真正的正样本个数的比例如何评估排序模型的性能？F1 Score和ROC曲线能综合反映一个排序模型的性能F1=（2*Precision*Recall）/（Precision+Rec
准确率：分类正确的样本占总样本个数的比例，Accuracy=ncorrect/ntotal
精确率Precision：精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数比例
召回率Recall：分类正确的正样本个数占真正的正样本个数的比例
如何评估排序模型的性能？
F1 Score和ROC曲线能综合反映一个排序模型的性能
F1=（2*Precision*Recall）/（Precision+Recall)
平均根误差
RMSE（Root Mean Square Error）经常用来衡量回归模型的好坏，但也有指标失效的时候
其中：Yi是第i个样本点的真实值；^Yi是第i个样本点的预测值，m是样本点个数
一般情况下，RMSE能很好地反映回归模型预测值与真实偏离程度，但是在实际问题中，如果存在个别偏离程度非常大的离群点，即使离群点数量非常少，也会让RMSE指标变得很差
可以找个合适的指标来评估，比如MAPE，平均绝对百分比误差
MAPE：Mean Absolute Percentage Error
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
2
0- 0
已为社区贡献4条内容
所有评论(0)