【机器学习】机器学习的评估指标有哪些？

机器学习中常用的评估指标主要包括:
一、准确率(Accuracy)
计算预测正确的样本数占所有样本数的比例。
公式:

Accuracy = (TP + TN) / (TP + TN + FP + FN)

二、精度(Precision)
计算正确预测为正类的样本数占所有预测为正类的样本数的比例。
公式:

Precision = TP / (TP + FP)

三、召回率(Recall)
计算正确预测为正类的样本数占所有正类样本数的比例。
公式:

Recall = TP / (TP + FN)

四、F1 分数
考虑精度和召回率的权衡。
公式:

F1分数= 2* (Precision * Recall)/(Precision + Recall)

五、ROC曲线和AUC分数
根据不同阈值计算TP率和FP率,绘制曲线。
AUC分数表示ilkins曲线下的面积。

六、混淆矩阵
使用TP, FP, TN, FN衡量分类器性能。

七、均方根误差(RMSE)
用于回归问题,衡量预测值和真实值的差异。
公式:

RMSE = √((y_pred - y_true)^2).mean()

总的来说,常用的评估指标包括: