机器学习（5）——结果评估

机器学习（5）——结果评估

模型选择

• 泛化误差：在“未来”样本上的误差
• 经验误差：在训练集上的误差

性能评价指标——分类

• 准确率(Accuracy)：指在分类中，分类正确的记录个数占总记录个数的比
• 平均准确率(Average per-class accuracy):每个类别下的准确率的算术平均
• 精确率(Precision)：分类正确的正样本个数占分类器所有的正样本个数的比例
• 召回率(Recall):也叫查全率，是指在分类中样本中的正例有多少被预测正确了 通常，准确率越高，召回率越低；召回率高时，准确率偏低
• F1-Score:精确率与召回率的调和平均值，它的值更接近于Precision与Recall中较小的值