机器学习评估指标包Tensorflow-PyTorch-Keras 一个项目的重要方面是测试机器学习算法。如果使用索引进行评估，则该模型可以提供令人满意的结果。但是，如果根据其他指标（例如对数损失或其他类似指标）进行评估，则结果可能会很差。通常，我们使用分类精度来计算模型的效率，但不足以真正评估模型。在此仓库中，涵盖了用于不同类型的模型/应用程序的各种形式的度量。 分类 分类精度 混淆矩阵 精确度和召回率 F测度 接收器工作特性（ROC） 曲线下面积（AUC） 精确召回曲线 分割 联盟交叉口（I