【Machine Learning】机器学习中的性能度量

机器学习中的性能度量

在前面中的的小节中有如下的两个性能度量

错误率：分类错误的样本数占总样本数的比例
精度：1-错误率

通常情况下，单单使用这两个性能度量，不能很好的反应训练结果。所以需要借助其他指标来评价模型的好坏。

均方误差、错误率与精度

在回归模型中，常用的性能度量是均方误差(mean squared error)
$E(f;d)=\frac{1}{m}(f(x_i)-y_i{)}^2$

对于分类模型，可以使用上面所说的错误率和精度，定义如下
E(f;D)=1m∑i=1mI(f(xi)≠yi)E(f;D)=\frac{1}{m} \sum_{i=1}^{m} \mathbb I(f(x_i) \ne y_i)E(f;D)=m1​∑