经典回顾：模型测试集评价指标（模型泛化能力）

时间 2021-07-14

标签机器学习人工智能繁體版

原文原文链接

目录混淆矩阵正确率(accuracy) 准确率(precision) 召回率(recall) F1值为什莫要采用调和平均数？相关参数选择灵敏度(sensitivity) 特异度(specificity) 1 - 特异度 ROC曲线 AUC(area under curve) 参考资料：混淆矩阵 - 预测为真预测为假标签为真 TP FN 标签为假 FP TN 正确率(accuracy

>>阅读原文<<

1. 模型评价之三——模型评价量化指标
2. 经典回顾：NNLM模型
3. 回归模型评价指标
4. 模型评价指标
5. 评价模型的指标
6. 分类模型与回归模型的评价指标
7. [DataAnalysis]机器学习预测模型评估与性能度量——衡量模型泛化能力的指标
8. （一）目标检测经典模型回顾
9. 分类和回归模型常用的性能评价指标
10. 数值预测模型评价指标以及正则化
更多相关文章...
• ASP.NET MVC - 模型 - ASP.NET 教程
• C# 泛型（Generic） - C#教程
• 委托模式
• Kotlin学习（二）基本类型

最新文章

1. Window下Ribbit MQ安装
2. Linux下Redis安装及集群搭建
3. shiny搭建网站填坑战略
4. Mysql8.0.22安装与配置详细教程
5. Hadoop安装及配置
6. Python爬虫初学笔记
7. 部署LVS-Keepalived高可用集群
8. keepalived+mysql高可用集群
9. jenkins 公钥配置
10. HA实用详解

本站公众号

欢迎关注本站公众号,获取更多信息

1. 模型评价之三——模型评价量化指标
2. 经典回顾：NNLM模型
3. 回归模型评价指标
4. 模型评价指标
5. 评价模型的指标
6. 分类模型与回归模型的评价指标
7. [DataAnalysis]机器学习预测模型评估与性能度量——衡量模型泛化能力的指标
8. （一）目标检测经典模型回顾
9. 分类和回归模型常用的性能评价指标
10. 数值预测模型评价指标以及正则化

>>更多相关文章<<