本文深入探讨了机器学习分类效果的评估，包括混淆矩阵、精确度、召回率、准确率、F得分、ROC曲线、AUC面积、lift曲线和KS曲线等关键指标，旨在帮助读者理解如何有效评估模型性能。
1. 混淆矩阵（confusion matrix）
2. 精确度（precision）
3. 召回率（recall）
4. 准确率（accuracy）
5. F得分（F-score）
6. ROC曲线（ROC curve）
7. AUC面积
8. lift曲线（lift Curve）
9. KS曲线（ks curve）
机器学习 - 分类效果评估
最新推荐文章于 2025-05-31 01:14:53 发布
扫一扫
4127
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
