結果評估

機器學習之結果評估 先回顧一下過程 1.數據預處理：數據清洗，數據採樣，數據集拆分 2.特徵工程：特徵編碼，特徵選擇，特徵降維，規範化 3.數據建模：迴歸問題，分類問題，聚類問題，其他問題，開源框架 4.結果評估：擬合度量，查準率，查全率，F1值，PR曲線，ROC曲線 泛化誤差：在「未來」樣本上的誤差 經驗誤差：在訓練集上的誤差 訓練數據經過訓練得到f(x)，f(x)應用到未知測試數據 性能評價指

>>阅读原文<<