分享
注册
1分钟入驻>
+微信
首发回答
您好，对于一个数据挖掘项目而言，我们可以选择的模型众多，比如我们可以选择：线性回归、Logistic 回归、决策树、集成算法等，同样对于一个模型而言，也有很多参数和图形来评估模型好坏。数据挖掘的目的不能是简单地构建一个预测模型，而是创建和选择一个对样本以外数据也能做到高精度的模型。因此，在计算预测值之前，检查模型的准确性至关重要。
模型评估的指标有很多，比如仅分类模型的评估指标就有准确率，精确率，查全率，提升度等等。那么，为什么要搞这么多指标，有一个准确率不就够了吗？
我们从一个夸张点的例子来入手讨论，机场识别恐怖分子，在 100 万人里有 5 个恐怖分子，因为恐怖分子是极少数，如果使用准确率来评估模型的话，那只要把所有人都识别成正常人，其准确率可以达到 99.9995%，但显然这种模型没什么意义，这时就需要建立一个查全率高的模型。
以上就是关于您问题的答案，希望我的回答对您有帮助，如果有什么不明白的，点击微信添加好友或者电话都可以免费咨询，24小时在线服务。
发布于2023-12-4 15:50 北京
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
285
电话咨询
咨询
18270025212 
