文档摘要

5.2 模型评估与选择 本节摘要：模型评估回答"模型在没见过的数据上表现如何"，核心工具是以混淆矩阵为基础的指标族（准确率、精确率、召回率、F1、AUC 与回归侧的 MSE、MAE、R 方）与 K 折交叉验证；模型选择则要在性能之外综合考虑复杂度、速度、可解释性与业务对齐。本节重点讲清指标之间的取舍逻辑——精确率与召回率的跷跷板关系必须由业务成本决定，而非算法决定。 会员。《5.2 模型评估与选择》收录于灏天文库文集《AI核心算法原理：从机器学习到神经网络》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/444-ai%E6%A0%B8%E5%BF%83%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E4%BB%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流