本文详细介绍了二分类问题中常用的评估模型效果的方法，包括Accuracy、Error Rate、Precision、Recall、F-measure、ROC曲线、PR曲线和AUC。强调了在不平衡数据集和不同任务需求下，选择合适的评估指标的重要性。例如，对于正样本稀少的情况，PR曲线比ROC曲线更能体现模型性能。
ref
http://blog.csdn.net/ice110956/article/details/20288239
http://www.cnblogs.com/Allen-rg/p/5821949.html
http://blog.csdn.net/taoyanqi8932/article/details/54409314
https://www.zhihu.com/question/30643044/answer/48955833
http://blog.csdn.net/login_sonata/article/details/54288653
主要有以下几种度量方法：
Accuracy、Error Rate、Precision（精确率）、Recall（召回率）、F-measure（调和均值）、ROC（受试者工作特征曲线(receiver operating characteristic curve)）、Precision-Recall curve、AUC（AreaUnderCurve，曲线下的面积）…………………
不同的任务需求会采用不同的度量方法，从而导致不同的评判结果，这意味着模型的好坏事相对的，什么样的模型是好的，不仅取决于算法和数据，还决定于任务的需求。
1.Accuracy和Error Rate
Accuracy：准确度、Error Rate：错误率
它们的定义如下：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
