One post tagged with "模型评估"

"没有测量就没有改进。在机器学习的世界里，如何评估模型的好坏，是比算法本身更重要的问题。" —— 2015年在老虎致远做模型评估时的深刻体会

开篇：一个医疗诊断的故事​

想象你是一名医生，面前有两台不同的癌症检测设备：

• 设备A：总是说"有癌症"，准确率70%
• 设备B：很少说"有癌症"，但说了就对，准确率95%

哪个更好？单看准确率，设备B似乎更优秀。但如果癌症患者只占总人群的1%，设备A可能会漏掉所有的癌症患者，而设备B虽然准确率高，但可能错过了真正需要治疗的病人。

这个故事告诉我们：在不平衡数据集中，单一的评估指标往往会误导我们。