【Method】ML Evaluation
1. Classification Metrics
所有衡量方式结果好坏都取决于具体的问题,同该类问题最前沿方法进行比较。
1.1 Precision
直观理解:希望找出的都是对的
经验值:
1.2 Recall
直观理解:希望对的尽可能的被找出
经验值:
1.3 F1-score
直观理解:综合Precision和Recall两个目标
2. Regression Metrics
2.1 ME (Mean Error)
直观理解:平均误差
2.2 MAE (Mean absolute error)
直观理解:平均绝对误差
2.3 MPE (Mean percentage error)
直观理解:平均百分比误差
2.4 MAPE (Mean absolute percentage error)
直观理解:平均绝对百分比误差
2.5 sMAPE (Symmetric mean absolute percentage error)
直观理解:对称平均绝对百分比误差
2.6 MSE (Mean squared error)
直观理解:均方误差
2.7 RMSE (Root Mean Square Error)
直观理解:均方根误差