百面機器學習|學習筆記|第二章模型評估
1.評價指標 1. F1值和ROC曲線也能綜合反映一個排序模型的性能。ROC曲線後面一節再說，F1值是精確率和召回率的調和均值。 2. 均方根誤差RMSE(Root Mean Square Error)通常用來衡量回歸模型的好壞，但是如果存在個別偏離程度特別大的離羣點(Outlier)，即使離羣點非常少，也會讓RMSE指標變的很差。 例如在流量預測問題中，噪聲點是很容易產生的，甚至一些相關社交媒體
相關文章
- 1. 機器學習-學習筆記（二）第二章 模型評估
- 2. 百面機器學習總結筆記（第二章 模型評估）
- 3. 機器學習筆記-第二章模型評估與選擇
- 4. 《機器學習》學習筆記（二）——模型評估與選擇
- 5. 【機器學習筆記】第9章：模型評估指標
- 6. 機器學習之模型評估（二）
- 7. 機器學習（二）——模型評估
- 8. 《機器學習》第二章模型評估與選擇 總結
- 9. 讀書筆記《機器學習》：第二章：模型評估與選擇
- 10. 機器學習第二章模型評估與選擇筆記（前篇）
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
