机器学习模型评估指标总结！

文章预览

分 享嘉宾： 太子长琴 内容来源：Datawhale 导读： 本文对机器学习模型评估指标进行了完整总结。 机器学习的数据集一般被划分为训练集和测试集，训练集用于训练模型，测试集则用于评估模型。针对不同的机器学习问题（分类、排序、回归、序列预测等）， 评估指标决定了我们如何 衡量模型的好坏。 一、Accuracy 准确率是最简单的评价指标，公式如下： 但是存在明显的缺陷： 当样本分布不均匀时，指标的结果由占比大的类别决定。比如正样本占 99%，只要分类器将所有样本都预测为正样本就能获得 99% 的准确率。 结果太笼统，实际应用中，我们可能更加关注某一类别样本的情况。比如搜索时会关心 “检索出的信息有多少是用户感兴趣的”，“用户感兴趣的信息有多 ………………………………