准确率、召回率、F1、ROC、AUC
性能度量对学习器的泛化性能进行评估在预测任务中,给定样例集$D=\lbrace (x_1,y_1),(x_2,y_),…,(x_n,y_n)\rbrace$,其中$y_i$是$x_n$的真实标记,估计学习器的性能就是把预测的结果$f(x)$与实际值进行比较
指标回归任务中常用的是“均方误差”:
E(f,D) = \frac{m}{1}\sum_{i=1}^{m}(f(x_i)-y_i)^2下面介绍分类任务中常用的度量指标
1. 错误率与精度错误率就是分类错误的样本数占样本总数的比例
E(f,D)=\frac{m}{1}\sum_{i=1}^{m}(f(x_i) \neq y_i)^2精度就是$
...