一、回归问题

  • 均方误差:【NLP复习】回归和分类问题的评价指标
  • 均方根误差:【NLP复习】回归和分类问题的评价指标
  • 和方误差(不除以n):【NLP复习】回归和分类问题的评价指标
  • 平均绝对误差:【NLP复习】回归和分类问题的评价指标
  • 平均绝对百分比误差:【NLP复习】回归和分类问题的评价指标
  • 平均平方百分比误差:【NLP复习】回归和分类问题的评价指标
  • 决定系数:【NLP复习】回归和分类问题的评价指标

 

二、分类问题

  • 【NLP复习】回归和分类问题的评价指标
  • 精确率(针对预测结果为真的样本):【NLP复习】回归和分类问题的评价指标
  • 召回率(针对本来是真的样本):【NLP复习】回归和分类问题的评价指标
  • F1值:【NLP复习】回归和分类问题的评价指标
  • ROC曲线:【NLP复习】回归和分类问题的评价指标
  • AUC值:ROC曲线下面包的面积
    • (1)因为是在1x1的方格里求面积,AUC必在0~1之间。
    • (2)假设阈值以上是阳性,以下是阴性;
    • (3)若随机抽取一个阳性样本和一个阴性样本,分类器正确判断阳性样本的值高于阴性样本的概率 = AUC 。
    • (4)简单说:AUC值越大的分类器,正确率越高。AUC=1,完美。
    • 计算:曲线->梯形
  • 【NLP复习】回归和分类问题的评价指标

相关文章:

  • 2022-02-08
  • 2021-09-23
  • 2021-06-04
  • 2022-02-08
  • 2022-01-17
  • 2022-01-22
  • 2021-11-01
  • 2022-12-23
猜你喜欢
  • 2021-07-20
  • 2021-08-14
  • 2021-08-30
  • 2022-01-27
相关资源
相似解决方案