机器学习:分类模型评估指标(准确率、精准率、召回率、F1、ROC曲线、AUC曲线)

机器学习模型需要有量化的评估指标来评估哪些模型的效果更好。当我们训练完一个模型算法后,该如何评估模型算法的好坏呢?不同的算法任务适用哪些评估体系呢?哪种评估方式才能真实反馈实际的效果呢?试想一下,如果我们训练了一个二分类的模型,测试数据集有100张图像,正例10张,负例90张,那么只要每张图像模型都直接判断为负例准确率都有90%了,我们不能直接说该模型性能Accuracy准确率达到了90%,实际上
相关文章
相关标签/搜索