文档摘要

2.5 模型评估与优化：指标与方法 本节摘要：模型训完只是半成品，凭什么说它好、又怎么让它更好，是本章的收口问题。本节从"准确率会说谎"的案例讲起，用混淆矩阵把分类器的对错拆成四格账本，精确率、召回率、F1 分数与 ROC 曲线各管一类业务后果；回归看均方误差一族，聚类看轮廓系数一族。诊断环节给过拟合与欠拟合开出对照处方；优化环节盘点 K 折交叉验证、网格与贝叶斯调参、L1 与 L2 正则化、集成学习与梯度下降家族。 会员。《2.5 模型评估与优化：指标与方法》收录于灏天文库文集《零基础入门人工智能：概念、方向与应用全解析》，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/510-%E9%9B%B6%E5%9F%BA%E7%A1%80%E5%85%A5%E9%97%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A6%82%E5%BF%B5%E6%96%B9%E5%90%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%85%A8%E8%A7%A3%E6%9E%90

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