《百面机器学习》模型评估

没有测量，就没有科学。

                                      -----门捷列夫

 模型评估主要分为离线评估和在线评估两个阶段。

在模型评估过程中， 分类问题、 排序问题、 回归问题往往需要使用不同的指标进行评估。 在诸多的评估指标中， 大部分指标只能片面地反映模型的一部分性能。 如果不能合理地运用评估指标， 不仅不能发现模型本身的问题， 而且会得出错误的结论。

准确率（ Accuracy） ， 精确率（ Precision） ， 召回率（ Recall） ， 均方根误差（ Root Mean Square Error， RMSE）

准确率是分类问题中最简单也是最直观的评价指标， 但存在明显的缺陷。 比如， 当负样本占99%时， 分类器把所有样本都预测为负样本也可以获得99%的准确率。 所以， 当不同类别的样本比例非常不均衡时， 占比大的类别往往成为影响准确率的最主要因素。

以人脸检测与识别为例讲解相关指标：

- 真阳性（True Positive，TP）：指被分类器正确分类的正例数据

- 真阴性（True Negative，T