9、Kaggle竞赛中的评估指标全解析

最新推荐文章于 2025-09-07 15:02:23 发布

star5

最新推荐文章于 2025-09-07 15:02:23 发布

阅读量29

点赞数

CC 4.0 BY-SA版权

分类专栏： Kaggle竞赛实战指南文章标签： Kaggle 评估指标回归问题

本文链接：https://blog.youkuaiyun.com/star5/article/details/152115459

Kaggle竞赛实战指南专栏收录该内容

37 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

Kaggle竞赛中的评估指标全解析

1. Kaggle热门评估指标概述

Kaggle竞赛中使用了各种各样的评估指标，以下是一些最受欢迎的指标：
- AUC和Log Loss ：这两个指标紧密相关，都与二元概率分类问题有关。AUC指标用于衡量模型预测的概率是否倾向于以高概率预测正例；Log Loss则用于衡量预测概率与真实值之间的差距。优化Log Loss的同时，也会优化AUC指标。
- MAP@{K} ：排名第三，是推荐系统和搜索引擎中常用的指标。在Kaggle竞赛中，主要用于信息检索评估。例如在驼背鲸识别竞赛（https://www.kaggle.com/c/humpback-whale-identification）中，需要精确识别鲸鱼，有五次猜测机会；在Quick, Draw!涂鸦识别挑战（https://www.kaggle.com/c/quickdraw-doodle-recognition/）中，目标是猜测涂鸦内容，允许三次尝试。当MAP@{K}作为评估指标时，不仅可以根据是否猜对得分，还可以根据正确猜测是否在一定数量（函数名称中的“K”）的错误预测中得分。
- RMSLE和Quadratic Weighted Kappa ：RMSLE（Root Mean Squared Logarithmic Error）排名第六，是一种回归指标；Quadratic Weighted Kappa排名第七，对于涉及猜测渐进整数（序数尺度问题）的问题，评估模型性能特别有用。