评估受监督的学习模型的绩效对于了解其有效性至关重要,各种衡量标准都用于衡量模型根据标注的数据对结果的预测程度,这些衡量标准有助于比较模型,并为具体任务选择最佳衡量标准。

通用性能计量

几个衡量标准被广泛用于评估监督学习模式。 衡量标准的选择取决于问题的类型,如分类或回归。 了解这些衡量标准可以更好地解释模型结果。

分类计量

在分类任务中,常用的度量包括精度,精度,回溯和F1分数. 这些度量评价模型正确预测类标签能力的不同方面.

准确性

准确性衡量正确预测在总预测中的比例。计算如下:

准确性=(真阳性+真阴性)/总预测].

精确和召回

精确度表示正确预测的正数比例,同时回忆量度正确识别出的实际正数比例。

精度=真阳性 /(真阳性 + 假阳性)

召回=真正数 / (真正数 + 假负数)

递归的计量

回归模型使用“平均绝对错误”、“平均平方错误”和“R平方”等度量法进行评估。这些度量法量化了预测值和实际连续值之间的差别。

平均绝对错误( MAE)

MAE计算预测值和实际值之间的平均绝对差值:

MAE = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =

平整的轮廓

R平方表示模型解释的依赖变量中差异的比例,范围从0到1,更高的数值表明更合适.

这些衡量标准为评估和比较在受监督的学习任务中的模型业绩提供了数量依据。