模型评估

41 种方法。

Classification Metric 13

准确率平衡准确率 F-beta 分数 F1分数宏平均 F1 Matthews Correlation Coefficient 微平均F1分数精确率精确率-召回率曲线下面积召回率（灵敏度）特异度加权F1 尤登J统计量

External Clustering Validation 4

调整兰德指数福尔克斯-马洛斯指数归一化互信息 V-measure

Clustering Validation 4

Calinski-Harabasz指数戴维斯-布尔丁指数邓恩指数轮廓系数

Error metric 3

平均绝对误差 (MAE)均方误差 (MSE)均方根误差 (RMSE)

Regression evaluation 2

调整R方 (R²_adj)R平方 (R²)

Information-theoretic criterion 2

赤池信息量准则 (AIC)贝叶斯信息准则 (BIC)

Probabilistic Loss Metric 2

布里尔分数 Log-Loss（交叉熵损失）

Cluster Number Selection 2

“手肘法”Gap Statistic

Multi-label Metric 2

汉明损失杰卡德指数

Relative error metric 2

平均绝对百分比误差 (MAPE)对称平均绝对百分比误差 (sMAPE)

Diagnostic Tool 1

Statistical testing 1

拟合优度检验

Cluster Cohesion Measure 1

Classification Evaluation Tool 1

提升和增益图

Scaled error metric 1

平均绝对误差 (MASE)