分类模型评估

  • 准确率

    • 预测正确的数占总样本的比例

  • 精确率

  • 召回率

  • F1-score

  • AUG指标

回归模型评估

  • 均方根误差(Root mean Squared Error, ==RMSE==)

    • 衡量回归模型误差的常用公式， 不过 ，它仅能比较误差是相同单位的模型
RESM=∑i=1n(pi−ai)2na=actualtargetp=predictedtargetRESM = \frac{\sum_{i=1}^n(p_i-a_i)^2}{n}\\ {a = actual target}\\ {p = predicted target}
  • 相对平均误差(Relative Squared Error, ==RSE==)
  • 平均绝对误差(Mean Absolute Error, ==MAE==)
  • 相对绝对误差(Relative Absolute Error, ==RAE==)

拟合

模型评估训练好坏的表现可分为过拟合和欠拟合

  • 过拟合(over-fitting)

    • 在训练样本中表现过好，导致在测试数据集中表现不佳

  • 欠拟合(under-fitting)

    • 模型学习太过粗糙，连训练集中的样本数据特征关系都没学出来