人工智能性能评估体系.pptxVIP

人工智能性能评估体系

工作内容概述-成本与效率评估持续改进与迭代与业务目标对齐合规性评估持续监控与维护AI伦理与责任跨领域合作与交流未来趋势与挑战标准化与规范化目录环境可持续性AI治理与政策持续学习与反馈

1PART1分类任务评估指标

工作内容概述分类任务评估指标1234准确率(Accuracy)：正确预测的样本数量占总预测样本数量的比例。适用于类别分布均衡的场景，但不适用于类别不平衡的数据集召回率(Recall)：实际为正类的样本中，被正确预测为正类的比例。强调捕捉正类的能力，适用于注重减少漏报的场景(如疾病筛查)精确率(Precision)：被模型预测为正类的样本中，实际为正类的比例。强调预测为正类的准确性，适用于注重减少误报的场景(如垃圾邮件检测)F1分数：精确率和召回率的调和平均数，用于平衡模型的准确性和完整性。适用于需要综合评估分类性能的场景(如竞赛评分)5混淆矩阵：以表格形式展示模型预测结果与实际标签的关系，包含真正例、假正例、真负例、假负例。用于直观分析分类错误类型

2PART2回归任务评估指标

工作内容概述回归任务评估指标回归任务评估指标预测值与真实值之间绝对误差的平均值。对异常值不敏感，反映预测误差的实际大小预测值与真实值之间平方误差的平均值。对异常值敏感，常用于优化模型参数MSE的平方根，与原始数据单位一致，便于直观理解误差范围平均绝对误差(MAE)