机器学习算法与实践 课件 第四章 模型评估与选择.pptx

第4章模型评估与选择机器学习算法与实践分类评估聚类评估数据划分

本章概览分类模型评估指标准确率（Accuracy）精确率（Precision）召回率（Recall）F1分数（F1Score）ROC曲线与AUC聚类模型评估指标内部评估指标轮廓系数Calinski-Harabasz指数Davies-Bouldin指数Dunn指数外部评估指标调整兰德系数（ARI）互信息指数（MI）数据集划分数据集类型训练集（TrainingSet）验证集（ValidationSet）测试集（TestSet）划分方法保持法随机子抽样K-折交叉验证

4.1分类模型评估指标为什么需要模型评估？确定模型优劣了解