《Python深度学习实战：基于TensorFlow和Keras的聊天机器人》 —1.10　度量

1.10　度量

已经学了构建模型的一些方法，现在是时候来评估模型了。也就是，需要评估回归器或者分类器。

有很多的评估指标，其中分类准确率、对数损失以及ROC曲线下的面积（AUC）是流行的几个。

分类准确率是正确预测数占所有预测数的比例。当对每一类的观测没有过分误判的时候，准确率可以被认为是一个好的度量指标。

还有一些其他的度量指标。

1.10.1　度量实例

下面是演示代码。

在这里，创建了真实值（称之为x）和预测值（称之为y）。之后检验准确率。准确率是真实值等于预测值的次数和总的实例数之比。