机器学习性能度量

概述

我们在进行机器学习时需要衡量机器学习的优劣和本身模型的准确程度，比如简单的衡量数据的准确率和错误率，但是我们更关心的是模型的泛化能力的指标，即基于模型的所选的item相关性以及模型分类指标的好坏。

机器学习度量

• error rate(错误率):把分类错误的样本数占样本总数的比例。E=a/m
• accuracy(精确度):分类正确的样本数占样本总数的比例。acc=1-E
• training error(训练误差):学习器在训练集上的误差。
• generalization error(泛华误差):在新样本上的误差。

在机器学习中由很多机器学习算法，那么如何选择这些算法和模型，如何评估这些算法和模型。我们先来看一下评估方法。

评估方法 …博客更新中…