《scikit-learn机器学习常用算法原理及编程实战》—1.4.6 模型性能评估和优化
【摘要】 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第1章,第1.4.6节,编著是黄永昌 .
1.4.6 模型性能评估和优化
模型出来后,我们需要对机器学习的算法模型进行性能评估。性能评估包括很多方面,具体如下。
训练时长是指需要花多长时间来训练这个模型。对一些海量数据的机器学习应用,可能需要1个月甚至更长的时间来训练一个模型,这个时候算法的训练性能就变得很重要了。
另外,还需要判断数据集是否足够多,一般而言,对于复杂特征的系统,训练数据集越大越好。然后还需要判断模型的准确性,即对一个新的数据能否准确地进行预测。最后需要判断模型是否能满足应用场景的性能要求,如果不能满足要求,就需要优化,然后继续对模型进行训练和评估,或者更换为其他模型。
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)