評估指標（Evaluation Metrics）

選擇合適的指標

在構建機器學習模型的時候，首先要選擇效能指標，然後測試模型的表現如何。

相關的指標有多個，具體取決於我們要解決的問題。

在可以選擇效能指標之前，首先要認識到機器學習研究的是如何學習根據資料進行預測。

在測試模型時，也務必要將資料集分解為訓練資料和測試資料。

如果不區分訓練資料集和測試資料集，則在評估模型時會遇到問題，因為它已經看到了所有資料。

我們需要的是獨立的資料集，以確認模型可以很好地泛化，而不只是泛化到訓練樣本。

分類指標：混淆矩陣，準確率與召回率，F1分數。

迴歸指標：誤差指標：平均絕對誤差，均方差；

                    分數指標：R2分數（迴歸學習器預設的分數方法）、可釋方差分數。

                                        分數越高越好，0表示壞，1表示好。