機器學習模型評估中的常用指標

一個比較推薦的解決機器學習問題的步驟是：首先以一個簡易的算法開始，快速的進行實現，並在交叉驗證集上進行驗證；然後畫出它的學習曲線，通過學習曲線確定是否更多的數據或者更多的特徵會對模型的優化有幫助。接着人爲地檢測交叉驗證集中被錯誤的進行分類的或者預測的樣本的共同特徵，從實際入手對模型進行調整，即Error Analysis，不斷調整並驗證在交叉驗證集上的誤差，尋找最優的結果，優化模型。 在機器學習中

>>阅读原文<<