得到最终模型后，我们可以使用更大的独立测试数据集来进一步评估模型的性能 。评估模型性能，我们就需要使用具体的性能指标 。根据数据集中不同类别样本的比例，我们将数据集分为均衡数据集和非均衡数据集 。均衡数据集我们可以使用准确率、损失值、马修斯系数、F1-score、ROC 曲线以及 AUC 值等指标，这类数据集的评估相对容易 。
对于非均衡数据集，我们需要谨慎的使用准确率来衡量模型性能，结合具体问题，我们一般更多的使用F1-score和ROC-AUC等指标 。5: 关于公共数据集 。现在网上有很多公开的且标注完备的数据集，包括图像的、序列的、文本的等等，为机器学习提供了良好的学习环境 。练手阶段需要充分利用这些资源！此外，机器学习不是万能的，很多情况下性能取决于数据和问题定义，不是每一个问题都能用机器学习解决 。
有没有必要把机器学习算法自己实现一遍？
如果你是个搬砖的，那不需要；如果你是个前端开发工程师，那不需要；如果你是后端开发工程师，那也不需要；如果你做人工智能或ai的应用集成工作，那实现一遍最好，不实现一遍多少会影响工作效率；如果你搞数据标注一类工作的，那也不需要；如果你做ai算法的，那必要性比较大；如果你做ai方向科研的，这应该是基本功吧 。
推荐阅读
- 河北人事职称网，河北职称考试网上报名从哪个网站
- 仙域的仙晶怎么能搞到,11月26日60仙晶
- 如何提升小学语文,小学语文学习技巧
- 系统更新后充不了电
- 从医学角度看吸毒成瘾是一种疾病，从医学角度来看吸毒成瘾是一种疾病是
- 南昌列表网二手车，从鄱阳到长沙做什么车好
- 北京房价收入比 历年,房价收入比多少算合理
- 探索Franka,franka
- 学习软件开发新知识,软件开发是干嘛
- 怎么从毛发看出哈士奇,哈士奇很受欢迎