机器学习笔记--模型评估之一:准确率与召回率,平均根误差(RMSE、平均绝对百分比误差(MAPE)

准确率:分类正确的样本占总样本个数的比例,Accuracy=ncorrect/ntotal

精确率Precision:精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数比例

召回率Recall:分类正确的正样本个数占真正的正样本个数的比例

如何评估排序模型的性能?

F1 Score和ROC曲线能综合反映一个排序模型的性能

F1=(2*Precision*Recall)/(Precision+Recall)

平均根误差

RMSE(Root Mean Square Error)经常用来衡量回归模型的好坏,但也有指标失效的时候

机器学习笔记--模型评估之一:准确率与召回率,平均根误差(RMSE、平均绝对百分比误差(MAPE)_第1张图片

 

其中:Yi是第i个样本点的真实值;^Yi是第i个样本点的预测值,m是样本点个数

一般情况下,RMSE能很好地反映回归模型预测值与真实偏离程度,但是在实际问题中,如果存在个别偏离程度非常大的离群点,即使离群点数量非常少,也会让RMSE指标变得很差

可以找个合适的指标来评估,比如MAPE,平均绝对百分比误差

MAPE:Mean Absolute Percentage Error

 机器学习笔记--模型评估之一:准确率与召回率,平均根误差(RMSE、平均绝对百分比误差(MAPE)_第2张图片

 

你可能感兴趣的:(学习笔记,机器学习)