machine-learning - 机器学习中准确度的最佳衡量标准是什么

Question

我一直在研究机器学习概念，但我仍然无法正确掌握我可以使用哪个属性来确定什么可以告诉我系统的真实准确性（如果它是 TPR 或正确分类的实例）

我也在寻找 ROC 和 Kappa Statistic 的一个很好的解释。据我所知，ROC 衡量系统正在学习多少，而 Kappa 衡量系统在猜测多少。不过，这些都是我们有多年经验的教授的解释。查看其他技术文档，我们无法弄清楚他所说的这些术语是什么意思。

所以，我只需要知道什么可以说明我的算法的准确性，以及如果算法好的需要支持哪些属性，例如 ROC 和 Kappa 统计量。

请帮忙！非常感谢！

Answer 1

关于机器学习性能的两个基本标准是误报（错误警报）率和误报（错过目标）率。比方说，您正在寻找一种特定的对象类型，如果您在 100 个类别外的对象中检测到 10 个错误的对象作为目标，那么误报率为 10%。

如果在 100 个目标对象中将 10 个真实对象标记为超类，则误报率是 10%。

通常在这两个比率之间进行权衡，ROC 曲线的面积是一个很好的性能指标