本文详细介绍了机器学习中用于评估模型性能的指标，包括回归任务的MSE、RMSE、MAE和R Squared，分类任务的准确率、错误率、混淆矩阵、精准率、召回率、F1值、ROC曲线和AUC，以及互联网广告中的CTR和CVR。理解这些指标有助于选择合适的评价标准来优化模型。
评测指标(metrics)
metric主要用来评测机器学习模型的好坏程度,不同的任务应该选择不同的评价指标, 分类,回归和排序问题应该选择不同的评价函数. 不同的问题应该不同对待,即使都是 分类问题也不应该唯评价函数论,不同问题不同分析.
回归(Regression)
- 均方误差(MSE)
(1) l ( y , y ^ ) = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 l(y, \hat{y})=\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2 \tag{1} l(y,y^)=n1i=1∑n(yi−y^i)2(1)
- 均方根误差(RMSE)
(2) l ( y , y ^ ) = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 l(y, \hat{y})=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} \tag{2} l(y,y^)=n1i=1∑n(yi−y^i)2(2)
- 平均绝对误差(MAE)
(3) l ( y , y ^ ) = 1 n ∑ i = 1 n ∣ y i − y ^ i ∣ l(y, \hat{y})=\frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i| \tag{3} l(y,y^)=n1i=1∑n∣yi−y
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
