{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":228,"pdf_page":243,"physical_index":243,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"662d5e70b27a9186780c5383dac7860b724c014535729cfed21f24019f0fffe4"},"chapter":"内容简介","content":"6.7 评估验证\n\n在机器学习领域，模型完成训练之后，还有最后一个必要步骤：对建立的模型进行性能评估（Evaluation），得到该模型的性能指标，只有有了量化的标准，才能更好地衡量我们选择的模型和训练的过程是否正确。而如何评估模型性能，这其实已经不是什么新的知识了，传统统计学中已有成熟的方法可供使用。\n\n6.7.1 性能度量\n\n在之前介绍损失函数的时候，我们已经初步涉及模型性能度量的问题。关于评价一个机器学习模型的性能指标，根据其解决问题的类型，前人已总结出许多指标可供选择。与分类问题相关的指标有“正确率”（它和错误率是同一个指标，即“1- 错误率”）、“精确率”（Precision）、“召回率”（Recall）和“F1 分数”（F1-Measure）等，而与回归问题相关的指标有各种类型的误差指标，如“平均绝对误差”（Mean Absolute Error）、“均方误差”（Mean Squared Error）、“标准差”（Standard Deviation）等，还有分数类型的指标，如“F2 分数”（F2-Measure）、“可释方差分数”（Explained Variance Score）等。\n\n限于篇幅，笔者不一一解释上述指标的概念和用途，依然以实践优先的原则，仅以前文实战里邮件分类过程中遇到的指标作为范例展开讲解，这里首先要说清楚“正确率”“精确率”和“召回率”这三个指标的意义。现在，先假定一个具体场景作为后续讨论的基础：\n\n228\n\n第三部分 第三波高潮","previous_page":227,"next_page":229}