一、分類

1、精確率

被識別成正類的，有多少是真正的正類。

2、召回率

真正的正類，有多少等被找出來（召回）。

3、準確率

被分類樣本總數中，有多少是正確分類的。

4、F1

F1 = 2 * (precision * recall) / (precision + recall)

5、平均精確率（AP）average precision

Precision-recall曲線以下面積

6、AUC（area under curve）

TP-FP曲線以下面積

二、回歸

1、MSE（平均平方誤差）

2、RMSE（平均平方根誤差）

為MSE平方根

3、MAE（平均絕對值誤差）

4、 R2 score

R2決定系數表達了模型多大程度解釋了因變量的變化。

如果單純用殘差平方和等指標衡量模型效果會受到因變量的數量級的影響。例如：例如一個模型中的因變量:10000、20000…..，而另一個模型中因變量為1、2……，這兩個模型中第一個模型的殘差平方和可能會很大,而另一個會很小，但是這不能說明第一個模型就別第二個模型差。所以指標式中的分式的分母，相當於除掉了因變量的數量級。

5、可解釋方差得分

三、聚類

機器學習模型效果評價