Udacity机器学习基础评估指标

评估指标设计与分析

【根据待解决的具体问题确定评估指标，随后对模型的实际表现进行测试。

准确率：在某一特定类别中，被正确分类为该类别的样本数量与该类别总样本数量之间的比值。

• 准确率存在的不足

当数据分布存在显著类别不平衡时，准确率的评估效果将受到限制
有时人们更倾向于判断某人为无罪，以避免错误地将其定罪
有时人们更倾向于初步认定某人有罪，再进一步排除疑点

混淆矩阵

上方矩阵左侧展示的是真实的分类结果，左侧部分则表示预测所得的分类类别。

• 决策树混淆矩阵

• 召回率（Recall）

在目标对象为Hugo的前提下，系统能够正确识别出该个体为Hugo的可能性

• 精确率(Precision)