模型评估
Python机器学习教程—回归模型的评估与封装
在之前已介绍了线性回归的模型算法，那么有了模型之后，如何去评估这个模型的效果究竟是好还是差呢？而如果得到一个效果较好的模型又如何去将其封装，方便他人使用呢？这需要具备回归模型的评估与封装的知识。回归模型的评估指标如何去判断一个线性回归模型的好与坏，有个指标是看模型的拟合度，拟合度越高就代表模型的误差越小，也就代表着做预测时会越精准。因此对模型的效果评估很重要，并且模型的评估需要有同训练集分开的测试
日期 2023-06-12 10:48:40
每一个人的大模型：开源BELLE项目集训练、数据、模型、评估、APP一体
机器之心专栏 机器之心编辑部BELLE 的目标是促进中文对话大模型开源社区的发展，愿景是成为能够帮到每一个人的 LLM Engine。最近一段时间，以 “羊驼” 家族为代表的各类 ChatGPT 替代模型不断涌现。一方面，开源社区也有了可以与 ChatGPT “一较高下” 的开源模型；而另一方面，各模型在如何提升 LLM 的指令表现方面以及评估 LLM 效果的方法不尽相同。 此前，一个基于斯坦福
日期 2023-06-12 10:48:40
【机器学习】模型评估与选择
2.1经验误差与过拟合 基本概念 数据集：一个样本的集合。 属性、特征：反映样本在某方面的表现和性质，比如人的身高、体重。 属性值、特征值：属性上的取值，分为数值型和离散型。 维度：属性值或者特征值的数量。 特征向量：在由所有样本构成的n维空间中，每一个样本在n维空间中都有一个具体的坐标。 学习、训练：从数据中学习得到模型的过程。 训练集：训练过程中使用的数据，其中每个样本称为“训练样本”。
日期 2023-06-12 10:48:40ML：MLOps系列讲解之《CRISP-ML (Q)ML生命周期过程—了解机器学习开发的标准过程模型—业务和数据理解→数据工程(数据准备)→ML模型工程→评估ML模型→模型部署→模型监控和维护》解读
ML：MLOps系列讲解之《CRISP-ML (Q)ML生命周期过程—了解机器学习开发的标准过程模型—业务和数据理解→数据工程(数据准备)→ML模型工程→评估ML模型→模型部署→模型监控和维护》解读 目录 MLOps系列讲解之《CRISP-ML (Q)ML生命周期过程—了解机器学习开发的标准过程模型》解读
日期 2023-06-12 10:48:40
CV之FR之ME/LF：人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略
CV之FR之ME/LF：人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略 目录 人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介 T1、Triplet Loss (1)、英文原文解释 (2)、代码实现 T2、Cent
日期 2023-06-12 10:48:40
DataScience&ML：风控场景之模型监控的意义、具体内容【线上线下一致性监控、前端监控(客群稳定性/风控决策全流程)、后端监控(模型性能评估/资产质量分析)、模型表现监控和模型影响】之详细攻略
DataScience&ML：金融科技领域之风控场景之模型监控的意义、具体内容—16大指标【线上线下一致性监控、前端监控(客群稳定性/风控决策全流程)、后端监控(模型性能评估/资产质量分析)、模型表现监控和模型影响分析】之详细攻略 目录 风控场景之模型监控的意义 模型监控的意义
日期 2023-06-12 10:48:40ML之ME：机器学习之风控业务中常用模型评估指标PSI(人群偏移度指标)的的简介、使用方法、案例应用之详细攻略
ML之ME：机器学习之风控业务中常用模型评估指标PSI(人群偏移度指标)的的简介、使用方法、案例应用之详细攻略 目录 PSI(稳定度指标)的简介 1、如何计算PSI？ (1)、PSI计算过程
日期 2023-06-12 10:48:40ML：模型训练/模型评估中常用的两种方法代码实现(留一法一次性切分训练和K折交叉验证训练)
ML：模型训练/模型评估中常用的两种方法代码实现(留一法一次性切分训练和K折交叉验证训练) 目录 模型训练评估中常用的两种方法代码实现 T1、留一法一次性切分训练 T2、K折交叉验证训 模型训练评估中常用的两种方法代码实现 T1、留一法一次性切分训练 T2、K折交叉验证训 print(
日期 2023-06-12 10:48:40
ML之回归预测：利用Lasso、ElasticNet、GBDT等算法构建集成学习算法AvgModelsR对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(模型评估、模型推理)
ML之回归预测：利用Lasso、ElasticNet、GBDT等算法构建集成学习算法AvgModelsR对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(模型评估、模型推理) 目录 利用Lasso、ElasticNet、GBDT等算法构建集成学习算法AvgModelsR对国内某平台上海2020年
日期 2023-06-12 10:48:40ML之XGBoost：利用XGBoost算法对波士顿数据集回归预测(模型调参【2种方法，ShuffleSplit+GridSearchCV、TimeSeriesSplitGSCV】、模型评估)
ML之XGBoost：利用XGBoost算法对波士顿数据集回归预测(模型调参【2种方法，ShuffleSplit+GridSearchCV、TimeSeriesSplitGSCV】、模型评估) 目录 利用XGBoost算法对波士顿数据集回归预测 T1、ShuffleSplit+GSCV模型调参
日期 2023-06-12 10:48:40DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%)
DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 network = DeepConvNet()
日期 2023-06-12 10:48:40ModelArts黑科技揭秘|模型智能评估、诊断，让模型来个“体检
摘要：华为云AI开发平台ModelArts黑科技加持AI研发，让模型开发更高效、更简单，降低AI在行业的落地门槛。全面的可视化评估以及智能诊断功能，使得开发者可以直观了解模型各方面性能，从而进行针对性的调优。 今年，全新发布的华为云ModelArts备受关注&#
日期 2023-06-12 10:48:40【机器学习】模型评估
1 模型评估常用方法？ 一般情况来说，单一评分标准无法完全评估一个机器学习模型。只用good和bad偏离真实场景去评估某个模型，都是一种欠妥的评估方式。下面介绍常用的分类模型和回归模型评估方法。 分类模型常用评估方法： 指标描述Accuracy准确率Precision精准度/查准率Recal
日期 2023-06-12 10:48:40ML之ME：机器学习之风控业务中常用模型评估指标PSI(人群偏移度指标)的的简介、使用方法、案例应用之详细攻略
ML之ME：机器学习之风控业务中常用模型评估指标PSI(人群偏移度指标)的的简介、使用方法、案例应用之详细攻略 目录 PSI(稳定度指标)的简介 1、如何计算PSI？ (1)、PSI计算过程
日期 2023-06-12 10:48:40模型常用评估指标详解
简介 模型评估通常作为建模的最后一步，用于评估模型效果，判别该模型是否达到预期。但实际模型评估指标需要在建模的第一步确定，即确定目标函数。凡事都得有个目标，才知道努力的（拟合）方向，否则枉然。 连续值或者分类型的预测最常用的说法就是模型精度，但
日期 2023-06-12 10:48:40（《机器学习》完整版系列）第2章 模型评估与选择 ——2.2 如何选个好模型？召回率是什么？
都知道数学建模吧 ====> 前面文章我们说过：机器学习是根据任务，将现实世界简化为一个简单的模型并数学化，那么，这就存在模型评价
日期 2023-06-12 10:48:40（《机器学习》完整版系列）第2章 模型评估与选择 ——2.1误差，还是有误差
2.1 误差 预测有误差，这是必然的，减少误差才是我们努力的方向。 在第1章我们知道，模型是基于已知样本集（经验
日期 2023-06-12 10:48:40逻辑回归及常用模型分类评估方法
1.分类评估方法 【准确率：预测正确的数占样本总数的比例。 （TP+TN）/（TP+TN+FP+FN）】 1.1 精确率与召回率 1.1.1 混淆矩阵 在分类任务下，预测结果(Predicted Condition)与正确标记(Tr
日期 2023-06-12 10:48:40Python机器学习零基础理解分类模型的准确性指标和评估
就像学校的绩效考核、公司的人事考核一样，考核是生活在社会上的人永远遵循的东西。然而，再熟悉不过的评价，岂不是一件出乎意料的难事？ 是在一个重要的点上做得好更好，还是对平衡好、整体好的给予高评价更好？客观、一致的评价需要评价
日期 2023-06-12 10:48:40使用 RAIL 模型评估性能
转自 https://developers.google.cn/web/fundamentals/performance/rail?hl=zh-cn RAIL 是一种以用户为中心的性能模型。每个网络应用均具有与其生
日期 2023-06-12 10:48:40