评估指标
机器学习模型训练完成后，需要有指标来评估其好坏，对于回归和分类任务所选取的指标也不同 回归 MSE对异常点相对MAE来说outliers更加敏感，因为他是MAE的平方。 如果预测值y只能取常数，对MSE最优取值是y真实值的均值，对MAE是中位数 MSE和MAE比较时用的都是值得绝对大小，有时我们需要用到相对大小， 比如真实值是10，预测值是9 和真实值是1000，预测值是999 两者都相差1，用M
相关文章
- 1. 评估指标
- 2. 评估指标ROC
- 3. 模型评估-评估指标
- 4. 算法的评估指标
- 5. 多分类评估指标
- 6. 模型评估指标
- 7. 【评估指标】分类评估指标之混淆矩阵与ROC/AUC曲线
- 8. 3.1.2 单一数字评估指标以及多个不同评估指标
- 9. 【机器学习】【评估指标】机器学习模型评估指标
- 10. 图像质量评估指标（1） 评估的意义
- 更多相关文章...
- • SQL 指南 - 网站建设指南
- • HTML 指南 - 网站建设指南
- • 算法总结-双指针
- • 互联网组织的未来：剖析GitHub员工的任性之源
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 评估指标
- 2. 评估指标ROC
- 3. 模型评估-评估指标
- 4. 算法的评估指标
- 5. 多分类评估指标
- 6. 模型评估指标
- 7. 【评估指标】分类评估指标之混淆矩阵与ROC/AUC曲线
- 8. 3.1.2 单一数字评估指标以及多个不同评估指标
- 9. 【机器学习】【评估指标】机器学习模型评估指标
- 10. 图像质量评估指标（1） 评估的意义