数据科学导引 模型评价方法.pptxVIP

  • 0
  • 0
  • 约4.77千字
  • 约 51页
  • 2026-11-21 发布于江苏
  • 举报

;机器学习任务介绍

分类指标

回归指标

聚类分析指标

KS值

洛伦兹曲线与基尼系数

PSI

;在机器学习过程中,存在不同的任务,针对具体任务进行分析的时候,需要使用不同的评价指标。

分类是通过训练数据建立预测模型,并利用模型将需要预测的数据样本划分到已知的几个类别中的一个的过程。

回归通过数据构建自变量与因变量之间的定量映射关系。与分类不同的是,回归模型预测的往往是连续的值。

聚类是将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。聚类与分类的不同在于,聚类所要求划分的类是未知的。

;机器学习任务介绍

分类指标

回归指标

聚类分析指标

KS值

洛伦兹曲线与基尼系数

PSI

;在分类问题中,对于每一个样本存在两种角度的标签:一个是样本真实的标签,一个是模型预测的标签。根据每一个样本的两种角度的标签,可以得到一个混淆矩阵(ConfusionMatrix)。

混淆矩阵的每一列代表了预测类别,每一列的总数表示预测为该类别的样本的数目。每一行代表了样本的真实归属类别,每一行的数据总数表示该类别的样本的数目。分类模型的评价指标主要基于混淆矩阵,下面将介绍二分类模型和多分类模型的性能评价指标。;二分类问题中对应混淆矩阵:;在分类问题中最常见的指标是正

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档