模型常用評估指標：分類(混淆矩陣/F1/Recall/ROC/AUC等)；連續(MAPE/RMSE等)

模型評估指標，是對已訓練好的模型性能進行評估的重要依據。機器學習的任務無非分爲分類問題和連續型預測問題（迴歸問題）。 本文只列出常用的模型評估指標，沒有細講各指標的含義和示例，後期會逐步完善，望大家見諒。 分類型問題主要有：混淆矩陣、準確率（Accuracy)、召回率(Recall)、特效性(specificity)、精確率(Precision)、F值(F-Measure)、ROC曲線和AUC值。

>>阅读原文<<