0dayhub- 3.1 交叉验证：评估估算器的表现
- 3.2 调整估计器的超参数
- 3.3 模型评估: 量化预测的质量
- 3.3.1
scoring参数: 定义模型评估规则 - 3.3.2 分类指标
- 3.3.2.1 从二分到多分类和 multilabel
- 3.3.2.2 精确度得分
- 3.3.2.3 Balanced accuracy score
- 3.3.2.4 Cohen’s kappa
- 3.3.2.5 混淆矩阵
- 3.3.2.6 分类报告
- 3.3.2.7 汉明损失
- 3.3.2.8 精准，召回和 F-measures
- 3.3.2.8.1 二分类
- 3.3.2.8.2 多类和多标签分类
- 3.3.2.9 Jaccard 相似系数 score
- 3.3.2.10 Hinge loss
- 3.3.2.11 Log 损失
- 3.3.2.12 马修斯相关系数
- 3.3.2.13 多标记混淆矩阵
- 3.3.2.14 Receiver operating characteristic (ROC)
- 3.3.2.15 零一损失
- 3.3.2.16 Brier 分数损失
- 3.3.3 多标签排名指标
- 3.3.4 回归指标
- 3.3.5 聚类指标
- 3.3.6 虚拟估计
- 3.3.1
- 3.4 模型持久化
- 3.5 验证曲线: 绘制分数以评估模型
# 3. 模型选择和评估
未经允许不得转载：0dayhub » # 3. 模型选择和评估