2018-11-23机器学习第二天

评估指标

1 混淆矩阵  

2  准确率

准确率不适用的情形   ：   

3 精度

对于混淆矩阵  上下一列 是 对应  下图 白色分割线  一侧所有点 加起来的和  即 现实中把 分到一类的点   左右一行 是  实际情况 中  本应该   属于一类的点  

绿色为阳性  

精度 是指 在线上面一侧 的所有点中 阳性 所占的比率 

召回率   是指  对于 全体 所有 阳性 点 为分母  ，没 有被分错的 阳性点为分子 

 4  召回率   

5  F1 （ 调和平均数） 

F1 小于 算数平均数  ，且 其结果 趋近 与 值小的一方

  6  F-   

7  ROC  曲线  （评估指标）

1  情景 ：

2  

3

移动  分解 线 计算所有 分割情况下的 TRUE   positive   Rate  (分子和分母 是以 假设 （分割线）为前提的  比如  假设 线  左边为阳性   则 TRUE   positive   Rate   是  左边 的点数 和 除以  所有点 数和    注意不是  按实际情况 算 是按假设  条件算  )和  False  Positive  Rate  并标坐标点连线 线与X轴围成 的面积 即为ROC 

ROC 曲线下面积越接近1  ，模型越好

8  评估回归模型的指标

回归指标：

1   平均绝对误差（点到线距离）

绝对值误差不可微分 不利于使用 梯度下降  

2  均方误差（点到线距离的平方）

3  R2 score

总结