16、模型评估与计算机视觉：理论、实践与应用

模型评估与计算机视觉：理论、实践与应用

1. 模型评估基础

在模型评估中，准确性并非总是评估模型的最佳指标，尤其是当数据集不平衡时。例如，一个模型的准确率约为 87%，但零准确率高达 84%，此时 87% 的准确率就不具有显著意义，因为即使随机预测，也能达到较高的准确率。

2. 计算神经网络模型的准确率和零准确率

当改变训练/测试集划分时，我们可以按照以下步骤计算神经网络模型的准确率和零准确率：
1. 导入依赖并加载数据集 ：导入所需的库，并加载数据集。
2. 筛选变量 ：找出因变量和自变量，过滤掉无用的列，如 patient_id 。
3. 创建虚拟变量 ：为分类变量创建虚拟变量，将其转换为数值变量，并删除原始分类变量。
4. 调整参数并缩放数据 ：将 test_size 从 0.30 调整为 0.25， random_state 从 110 调整为 500。使用 StandardScaler 函数对数据进行缩放，并将 DataFrame 转换为 NumPy 数组。
5. 构建神经网络架构 ：导入构建神经网络所需的库，并初始化 Sequential 类。
6. 添加层 ：添加第一个 <