版权声明:文章属于本人原创,如有转载请注明来源! https://blog.csdn.net/qq_42370261/article/details/83865235
一、分类指标
1.精确率(precision): (预测为正的里面预测对的概率)
2.召回率(recall):(真实为正的里面预测对的概率)
3.F1值: (对精确率和召回率赋不同权重进行加权调和)
4.准确率(accuracy):
5.错误率(error rate):
6.ROC:绘制ROC曲线,首先对所有样本按预测概率排序,以每条样本的预测概率为阈值,计算对应的FPR和TPR,然后用线段连接。当数据量少时,绘制的ROC曲线不平滑,数据量多时,绘制的ROC曲线趋于平滑。
7.AUC:即ROC曲线下的面积,取值越大说明模型越可能将正样本排在负样本前面。AUC还有一些统计特性:AUC等于随机挑选一个正样本(P)和负样本(N)时,分类器将正样本排前面的概率。
8.对数损失是对预测概率的似然估计,其标准形式为:
二、回归指标
1.平均绝对误差
(1)平均绝对误差,也叫L1范数损失,其公式:
其中,N为样本数,为第 i 条样本的真实值,为第 i 样本的预测值。
模型使用MAE作为损失函数则是对数据分布的中值进行拟合。
(2)加权平均绝对误差(商品较多时效果最好)
2.平均绝对百分误差
3.均方根误差
模型使用RMSE作为损失函数则是对数据分布的平均值进行拟合。