模型评估 在上一章节的末尾我们提到过模型的评估，那时只是简单的求了一下百分比，那种方式只能粗略的反映模型的准确率，针对二元分类算法，我们有AUC（Area under the Curve of ROC）即ROC曲线下的面积来评估模型的好坏在计算AUC之前应该先理解下面的几个概念： / 真 假 阳 TP FP 阴 TN FN 真阳性 True Positives ( TP ): 预测为 1 ,实际为 1. 假阳性 False Positives ( FP ): 预测为 1

模型评估 在上一章节的末尾我们提到过模型的评估，那时只是简单的求了一下百分比，那种方式只能粗略的反映模型的准确率，针对二元分类算法，我们有AUC（Area under the Curve of ROC）即ROC曲线下的面积来评估模型的好坏在计算AUC之前应该先理解下面的几个概念： / 真 假 阳 TP FP 阴 TN FN 真阳性 True Positives ( TP ): 预测为 1 ,实际为 1. 假阳性 False Positives ( FP ): 预测为 1