评估是什么意思(二手房预评估是什么意思)

评估怎么理解

众所周知，数据挖掘的最终目标是建立业务模型，然后将其付诸实践以进行分类或预测，但是该模型是否做得好，我们总是必须对其进行评估？这要求我们评估已建立的模型，然后根据评估指标和实际业务状况决定是否发布此模型。那么，常用的模型评估指标是什么？它们之间有什么联系？今天，我们将以这两个问题来学习模型评估的各种指标和含义。首先，每个人都应该了解机器学习或数据挖掘的一般目的是分类和回归（即预测），然后我们还将评估指标从这两个方面进行划分，即回归评估指标和分类评估指标。回归评估指标在上一篇文章中，我们解释了线性回归算法的推导过程。可以看出，回归问题是建立关于自变量和因变量之间关系的函数。通过训练数据和过程获得回归函数中变量的系数。然后，模型的质量将反映在此已建立函数所预测的值与真实值（即误差的大小）之间的差异中。如果差异较大，则预测会较差，反之亦然。那么回归问题的具体误差指标是什么？可以看到平均绝对误差，均方误差和均方根误差。回归问题的评估指标公式相对易于理解，此处不再赘述（此处代表模型预测值，代表真实值）。与回归模型评估指标相比，分类评估指标具有更多的评估指标，并且更加抽象。让我们先看几个符号的定义，然后看每个指标的定义，并结合例子来理解每个指标的含义。 ：将正类别预测为正类别号：将正类别预测为负类别号：将负类别预测为正类别号：将负类别预测为负类别号注意：通常，我们将重点放在作为积极的阶级。准确度通过分类器（分类模型）正确分类的样本数与给定测试数据集的样本总数之比。准确率准确率召回率：召回率值：是准确率和召回率的谐波平均值。上面的值是有关分类问题的每个指标的定义和公式。下面我们将从一个示例中了解每个指标的含义。宠物商店中是否有动物，包括猫和狗。现在，将这些数据放入分类器，并进行如下分类：猫，狗。如果我们将猫视为阳性，则它们为：，则准确率就是准确率，