31、机器学习模型评估、推理与自定义模型训练全解析

机器学习模型评估、推理与自定义模型训练全解析

1. BQML模型评估与推理

1.1 评估模型

在评估训练好的模型时，评估查询可指定的选项如下：
- model_name：被评估模型的名称
- table_name（可选）：包含评估数据的表名
- query_statement（可选）：用于生成评估数据的查询
- threshold（可选）：二元分类模型在评估期间使用的自定义阈值
- perform_aggregation（可选）：一个布尔值，用于确定预测准确性的评估级别
- horizon（可选）：计算评估指标所依据的预测时间点数
- confidence_level（可选）：落在预测区间内的未来值的百分比

ML.Evaluate函数的输出取决于被评估模型的类型，具体如下表所示：
| 模型类型 | 返回字段 |
| — | — |
| 回归模型 | mean_absolute_error、mean_squared_error、mean_squared_log_error、median_absolute_error、r2_score、explained_variance |
| 分类模型 | precision、recall、accuracy、f1_score、log_loss、roc_auc |
| k - means模型 | Davies - Bouldin index、Mean squared distance |
| 隐式反馈矩阵分解模型 | mean_average_precision、mean_squared_error、normaliz