机器学习模型—常见评估指标

机器学习模型—常见评估指标

最近在学习推荐模型的评估，关于其常用评估指标，这里大概根据理解整理一下。

具体概念啥的西瓜书和网上都有大量的文章，这里也就不再赘述。只是简单总结一下各指标的计算及用法。

首先直接上Confusion Matrix（混淆矩阵）

然后是几个常用指标的公式及意义

下面直接通过两个例子来理解

例1：某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。

例2：假如某个班级有男生80人,女生20人,共计100人.目标是找出所有女生. 现在某人挑选出50个人,其中20人是女生,另外还错误的把30个男生也当作女生挑选出来了. 作为评估者的你需要来评估下他的工作

在Item CF算法中的简单理解，

准确率（Accuracy）是一个常见的指标，不过在样本不平衡时会出错。

召回率（Recall）指一个用户喜欢的产品被推荐的概率

精确率（Precision）指用户对一个被推荐物品感兴趣的可能性

F1指标，更好地评价算法优劣。

未完，，待续、、、、、

参考文章：

​​衡量机器学习模型的三大指标：准确率、精度和召回率。​​

​​准确率与召回率​​​-​​清晨的光明 ​​

​​准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。