VIP10
本课程属于：021-LightTools照明优化方法 光学光电与激光工程 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

机器学习评价函数构建与自动评估

📚 共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
第1章
评价函数基础
什么是评价函数、评价函数在机器学习中的角色、评价函数与损失函数的区别。
核心概念入门
第2章
分类问题评价指标（上）
准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1-Score的原理与计算。
分类指标
第3章
分类问题评价指标（下）
ROC曲线与AUC值、混淆矩阵详解、多分类问题的宏平均与微平均。
分类进阶
第4章
回归问题评价指标
均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、R²决定系数。
回归指标
第5章
聚类问题评价指标
轮廓系数（Silhouette Score）、Calinski-Harabasz指数、Davies-Bouldin指数。
聚类无监督
第6章
排序与推荐系统评价指标
NDCG（归一化折损累计增益）、MAP（平均准确率均值）、HR（命中率）。
推荐排序
第7章
生成模型评价指标
BLEU、ROUGE、Perplexity（困惑度）、FID（Fréchet Inception Distance）。
生成模型NLP
第8章
时间序列预测评价指标
MAPE（平均绝对百分比误差）、SMAPE（对称平均绝对百分比误差）、MASE（平均绝对缩放误差）。
时间序列预测
第9章
评价函数的数学特性
一致性、区分度、鲁棒性、可解释性分析。
理论数学
第10章
评价函数的选择策略
业务目标对齐、数据分布适配、代价敏感评估。
策略实战
第11章
Python评价函数库（上）
scikit-learn中的metrics模块详解。
Pythonsklearn
第12章
Python评价函数库（下）
自定义评价函数与numpy实现。
Pythonnumpy
第13章
评价函数的可视化
混淆矩阵热力图、ROC曲线绘制、PR曲线绘制。
可视化matplotlib
第14章
多指标综合评估
加权评分法、TOPSIS方法、雷达图分析。
综合决策
第15章
评价函数的统计检验
McNemar检验、Friedman检验、Nemenyi后续检验。
统计假设检验
第16章
交叉验证中的评价
K折交叉验证、留一法、分层采样下的评估。
交叉验证模型评估
第17章
不平衡数据集的评价
代价敏感评估、Focal Loss思想、PR曲线优先。
不平衡代价敏感
第18章
评价函数的偏差与方差
评估结果的置信区间、Bootstrap重采样评估。
偏差方差Bootstrap
第19章
业务场景实战（上）
信贷风控模型的评价函数构建。
金融风控
第20章
业务场景实战（中）
推荐系统离线评估与在线A/B测试。
推荐A/B测试
第21章
业务场景实战（下）
NLP文本分类模型的评价体系。
NLP文本分类
第22章
评价函数的自动化
AutoML中的评价函数配置、超参数搜索中的评估策略。
AutoML自动化
第23章
评价函数的陷阱
数据泄露导致的虚假高指标、标签分布偏移的影响。
陷阱数据泄露
第24章
评价函数的可解释性
SHAP值在评估中的应用、特征重要性辅助评估。
可解释性SHAP
第25章
联邦学习中的评价函数
分布式数据下的评估挑战、隐私保护评估方法。
联邦学习隐私
第26章
深度学习模型评价
训练集/验证集/测试集划分策略、早停法中的评价指标监控。
深度学习早停
第27章
评价函数的工程化
Pipeline中的评价模块设计、日志记录与监控告警。
工程化Pipeline
第28章
评价函数的对比实验设计
控制变量法、显著性检验、效应量计算。
实验设计对比
第29章
评价函数的最新进展
LLM作为评价器、GPT-score、人工评估与自动评估的结合。
前沿LLM
第30章
课程总结与项目实战
从零构建一个完整的模型评价系统。
项目总结