You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
1.2 KiB
1.2 KiB
当模型训练好之后，我们需要有指标来量化我们的模型的性能好不好。而且模型的性能不单单只有一个维度，所以模型的好坏通常会用多个指标来进行衡量。例如，现在想要衡量一个分类模型的性能，您可能第一时间会想到用准确率来衡量模型的好坏，但是准确率高并不一定就代表模型的性能高，因此可能会需要使用如F1 Score、AUC等指标来衡量。所以在什么情况下使用什么样的性能评估指标，每个指标的数值的含义时什么，是我们在评估模型性能时必须要学会的知识。
本章主要涉及的知识点有：
- 常用分类性能评估指标
- 常用回归性能评估指标
- 常用聚类性能评估指标
关于本章的实验与涉及的案例均可以在平台进行体验，名称与链接如下：
| 名称 | 链接 |
|---|---|
| 《机器学习》---模型评估与选择 | https://www.educoder.net/shixuns/cbsfh3r5/challenges |
| 《机器学习》---聚类性能评估指标 | https://www.educoder.net/shixuns/e4pmtfly/challenges |
也可通过扫码查看整套课程，二维码如下:
