[机器学习笔记] 分类与预测算法评价指标

分类与预测算法评价指标

分类与预测模型对训练集进行预测而得出的准确率并不能很好地反应预测模型未来的性能，为了有效判断一个预测模型的性能表现，需要一组没有参与预测模型建立的数据集，并在该数据集上评价预测模型的准确率，这组独立的数据集叫做测试集。

模型预测效果评价，通常用这样一些指标来衡量;

• 相对/绝对误差（E为绝对误差：Absolute Error，e 为相对误差 Relative Error）
• 平均绝对误差（Mean Absolute Error，MAE）
• 均方误差 （Mean Squared Error，MSE）
• 均方根误差 （Root Mean Squared Error，RMSE）
• 平均绝对百分误差（Mean Absolution Percentage Error，MAPE）
• Kappa统计
• 识别准确度（Accuracy，通过 TP、TN、FP、FN计算）
• 识别精确率（Precision）
• 召回率（Recall）
• ……

很好的两篇参考文章：

https://baijiahao.baidu.com/s?id=1603857666277651546&wfr=spider&for=pc

https://nbviewer.jupyter.org/github/groverpr/Machine-Learning/blob/master/notebooks/05_Loss_Functions.ipynb