分类任务
混淆矩阵
定义：也称误差矩阵，是表示【精度评价】的一种标准格式，用【n行n列】的矩阵形式来表示
<span class="equation-text" contenteditable="false" data-index="0" data-equation="\begin{vmatrix}TP & FP \\FN & TN\end{vmatrix}"><span></span><span></span></span>
准确率
定义：衡量分类正确的比例
<span class="equation-text" contenteditable="false" data-index="0" data-equation="{{TP+TN} \over {TP+TN+FP+FN}}"><span></span><span></span></span>
精确度
定义：又叫查准率，指被预测为正样本的样本中预测正确的占比
<span class="equation-text" contenteditable="false" data-index="0" data-equation="{{TP} \over {TP+FP}}"><span></span><span></span></span>
召回率
定义：又叫查全率，指被正确检测出来的真实样本占所有真实样本的比例
<span class="equation-text" contenteditable="false" data-index="0" data-equation="{{TP} \over {TP+FN}}"><span></span><span></span></span>
F1分数
定义：权衡精确度和召回率
<span class="equation-text" contenteditable="false" data-index="0" data-equation="2*{{Precision * Recall} \over {Precision + Recall}}"><span></span><span></span></span>
回归任务
均方误差MSE
定义：又叫L2范数损失，通过计算真实值和预测值的差值的【平方和】的均值衡量
平均绝对误差MAE
定义：又叫L1范数损失，通过计算真实值和预测值的差值的【绝对值】的均值衡量
均方根误差RMSE
定义：表示预测值和真实值差值的样本【标准差】
