ML 的评估指标

原文：https://medium.com/hackernoon/evaluation-metrics-for-the-ml-2a61f64e5340

今天，我们将讨论评估指标的重要性。然而，在深入评估指标之前。首先，我们需要了解问题陈述，以及它在监督回归或分类中属于哪个类别。在监督二分类问题中，我们使用混淆矩阵来评估模型。

混乱矩阵:

Image source: Data school

让我在这里放一些数学公式。

1。准确度= TP+TN/总量

2。误差/误分类率= 1-准确度

3。假阳性率= FP/实际无(60)

4。假阴性率= FN/实际是(105)

5。真阳性率/灵敏度= TP/实际是

回归问题:

我们将看到如何定义函数来测量平均月收入和 RMSE。

Python 代码为 MAE:-

从上面的代码中，我们可以根据实际值和预测值计算 MAE。

RMSE 的 Python 代码:

结论:

我们可以使用不同的评估指标来评估模型，但最终它完全取决于行业和客户对模型的期望。然而，选择正确的评估指标来评估模型是非常重要的。

参考: