模型常用评估指标：分类(混淆矩阵/F1/Recall/ROC/AUC等)；连续(MAPE/RMSE等)

模型评估指标，是对已训练好的模型性能进行评估的重要依据。机器学习的任务无非分为分类问题和连续型预测问题（回归问题）。 本文只列出常用的模型评估指标，没有细讲各指标的含义和示例，后期会逐步完善，望大家见谅。 分类型问题主要有：混淆矩阵、准确率（Accuracy)、召回率(Recall)、特效性(specificity)、精确率(Precision)、F值(F-Measure)、ROC曲线和AUC值。

>>阅读原文<<