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。
相關文章
相關標籤/搜索