本文深入探讨了模型评估的重要指标，包括P-R曲线的比较，介绍了如何通过F1分数和F_beta衡量模型性能。同时，详细阐述了ROC曲线及其AUC概念，解释了TPR和FPR的关系，并展示了AUC与Loss_rank之间的联系。此外，还讨论了在多种训练集下，如何利用代价敏感错误率和代价敏感曲线选择最优模型，强调了归一化的重要性。最后，提到了偏差与方差在模型性能中的作用，分析了偏差-方差窘境。
一、P-R曲线
1、比较多个P-R曲线
（1）ABC三个模型: B>C; A和B难以确定；
（2）AB算法的比较
1) 比较AB的面积，但难以测量；
2) F1;
3) F_beta;
【西瓜书阅读笔记】02模型评估与选择：一个训练集一种算法_Checkmate9949的博客-优快云博客
二、ROC与AUC
1、ROC: Receiver Operating Characteristics
(1) TPR: True positive rate
(2) FPR: False positive rate
TPR和FPR同向变动；
1285
4357
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
