機器學習中的效能度量指標彙總

前言

在機器學習中要考察選擇模型的優劣，需要對模型的泛化能力進行評估，這就是效能度量。本篇文章主要介紹分類、迴歸以及聚類中的效能度量以及編寫程式碼以便於以後使用。

分類任務常用的效能度量

• 1. 錯誤率和精度
  顧名思義，錯誤率是指分類錯誤的樣本佔總樣本的比例，精度則是分類正確的樣本佔樣本總數的比例
  錯誤率表示為：精度表示為：其中為指示函式，滿足要求則為1，不滿足為0，且
  更一般的,對於資料分佈和概率密度
  錯誤率表示為：精度表示為：
  實現程式碼:

• 2. 召回率Recall、準確率Precision、F值
  單純靠錯誤率和精度衡量模型的是遠遠不夠的，在分類中常用Recall、Precision以及F值去度量模型，如下圖二分類混淆矩陣，將召回率和準確率以及F值定義如下：
  

  

  圖1. 二分類混淆矩陣
  
  Precision表示為：
  Recall表示為：
  F值是召回率和準確率的調和平均值，表示為：即F值表示為：

未完待續