機器學習評價指標

迴歸評價指標

目錄

• MSE(Mean Squared Error) 均方偏差
• RMSE(Root Mean Squared Error)均方根偏差
• MAE(Mean Absolute Error)平均絕對偏差
• R Squared

MSE(均方偏差)

這個不就是線性迴歸的損失函數，模型訓練出來後，直接把損失函數丟到測試集上去看損失值就行。

RMSE(均方根偏差)

相對於作均方偏差可以更好的描述數據

MAE(平均絕對偏差)

R Squared

由上面的公式能夠，R squared的取值範圍爲0-1，越靠近1說明模型的效果越好。

下面是scikit-learn中的各類衡量指標的代碼的實現

from sklearn.metrics import mean_squared_error #均方偏差
from sklearn.metrics import mean_absolute_error #平方絕對偏差
from sklearn.metrics import r2_score#R square
#調用
mean_squared_error(y_test,y_predict)
mean_absolute_error(y_test,y_predict)
r2_score(y_test,y_predict)
複製代碼

分類評價指標

目錄

• 準確率
• 召回率

準確率

準確度 = 找到的用戶感興趣的/ 因此的推薦的
設R(u)爲根據訓練創建的模型在測試集上的推薦，
T(u)爲測試集上用戶的選擇。
複製代碼

召回率

召回 = 找到的用戶感興趣的 / 全部的用戶感興趣的
複製代碼