学习目标:
数据拆分:训练数据集&测试数据集
评价分类结果:精准度、混淆矩阵、精准率、召回率、F1 Score、ROC曲线,AUC值等
评价回归结果:MSE、RMSE、MAE、R Squared,调整 R Squared
OX00 训练&测试数据集
我们已经兴致勃勃的训练好了一个模型了,问题是:它能直接拿到生产环境正确使用么?
- 我们现在只是能拿到一个预测结果,还不知道这个模型效果怎么样?
预测的结果准不准 - 如果拿到真实环境,其实是没有label的,我们怎么对结果进行验证呢?
实际上,从训练好模型到真实使用,还差着远呢。我们要做的第一步就是:
将原始数据中的一部分作为训练数据、另一部分作为测试数据。使用训练数据训练模型,再用测试数据看好坏。即通过测试数据判断模型好坏,然后再不断对模型进行修改。
具体代码实现参考附录1;
OX01 评价分类结果
混淆矩阵:
对于二分类问题来说,所有的问题被分为0和1两类,混淆矩阵是2*2的矩阵:
Original: https://blog.csdn.net/weixin_28945799/article/details/112423838
Author: 解说柯基mkq
Title: 回归模型的score得分为负_如何评价模型的好坏?
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/634112/
转载文章受原作者版权保护。转载请注明原作者出处!