知识卡片
模型优劣依赖任务
算法在具体任务上的排名取决于数据、可用信息和评价代价。比如筛查会关注漏掉多少正类,人工复核昂贵的任务还应关注误报。用同一评价协议比较候选方案,比按算法复杂度预判效果更可靠。
[[查准率与召回率的分母]]。分类指标及错误代价给模型适配性提供比较标准。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1.7 机器学习算法的性能衡量指标 · 查看原书依据
难道机器学习模型都一样,不会分出个高低?当然也不是,尺有所短,寸有所长,没有最好的模型,但是有最合适的模型。机器学习算法虽然只有几种,但需要解决的问题千千万万,哪种模型适合你所要解决的问题,还需要具体问题具体分析。性能衡量指
参考来源
- 位置:《机器学习算法的数学解析与Python实现》1.7 机器学习算法的性能衡量指标(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00012.html`)
- 结论依据:本节引入没有免费午餐定律,随后用分类指标说明为什么要针对任务比较。
- 原始内容:难道机器学习模型都一样,不会分出个高低?当然也不是,尺有所短,寸有所长,没有最好的模型,但是有最合适的模型。机器学习算法虽然只有几种,但需要解决的问题千千万万,哪种模型适合你所要解决的问题,还需要具体问题具体分析。性能衡量指