VIP20
本课程属于：017-TinyML传感器数据建模与时序分类 嵌入式边缘AI与TinyML · 共 20 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

13. TinyML模型评估：混淆矩阵、类别不平衡与阈值调整

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
01
课程导入
TinyML模型评估的重要性 · 学习目标 · 课程整体框架与适用场景
课程导入TinyML
02
评估基础
准确率 · 精确率 · 召回率
评估基础准确率
03
混淆矩阵入门
混淆矩阵的结构 · 四个基本元素（TP · FP
混淆矩阵入门混淆矩阵的结构
04
混淆矩阵可视化
如何用Python（matplotl… · 并在TinyML资源受限环境下进行轻…
混淆矩阵可视化Python
05
多分类混淆矩阵
多类别混淆矩阵的扩展 · 宏平均与微平均的计算方法及差异
多分类混淆矩阵多类别混淆矩阵的…
06
类别不平衡问题
什么是类别不平衡 · 在TinyML实际应用（如异常检测 · 关键词唤醒）中的典型表现
类别不平衡问题什么是类别不平衡
07
不平衡的影响
类别不平衡对模型训练和评估指标的影响 · 以及为什么准确率会失效
不平衡的影响类别不平衡对模型…
08
评估指标选择
针对不平衡数据 · 如何选择合适指标（如F1 · AUC-ROC
评估指标选择针对不平衡数据
09
PR曲线与AUC
精确率-召回率曲线 · AUC-PR的计算与解读 · 在不平衡场景下的优势
PRAUC
10
ROC曲线与AUC
ROC曲线 · AUC-ROC的绘制与解读 · 以及在不平衡数据中的局限性
ROCAUC
11
阈值调整基础
什么是决策阈值 · 默认阈值0.5的假设 · 以及阈值调整对模型性能的影响
阈值调整基础什么是决策阈值
12
阈值调整方法
基于验证集搜索最优阈值 · 使用Youden's J指数 · 平衡精确率与召回率
阈值调整方法基于验证集搜索最…
13
阈值调整实战
在TinyML模型（如唤醒词检测）中 · 通过调整阈值降低误报率或漏报率的具体…
阈值调整实战TinyML
14
成本敏感评估
引入误分类成本矩阵 · 根据实际应用（如医疗 · 安全）调整阈值以最小化总成本
成本敏感评估引入误分类成本矩…
15
重采样技术
过采样（SMOTE） · 欠采样 · 合成数据生成在不平衡TinyML数据…
重采样技术SMOTE
16
代价敏感学习
在模型训练阶段通过损失函数加权处理类… · 与阈值调整的对比
代价敏感学习模型训练阶段通过…
17
评估流程设计
从数据划分（训练/验证/测试）到指标… · 阈值选择的完整评估流程
评估流程设计从数据划分
18
交叉验证与评估
K折交叉验证在不平衡数据中的应用 · 以及如何稳定评估指标
交叉验证评估
19
TinyML资源约束
内存 · 计算能力 · 功耗限制对评估方法的影响
TinyML资源约束
20
模型量化与评估
量化后模型（如int8）的混淆矩阵变… · 以及阈值是否需要重新调整
模型量化评估
21
案例实战
基于TinyML的人体活动识别（HA… · 包括混淆矩阵 · 不平衡处理和阈值调整
案例实战TinyML
22
案例实战
基于TinyML的异常声音检测（如工… · 重点处理极端不平衡数据
案例实战TinyML
23
案例实战
关键词唤醒（KWS）模型评估 · 如何通过阈值调整平衡唤醒率与误唤醒率
案例实战KWS
24
常见错误与陷阱
数据泄漏 · 评估集划分不当 · 阈值过拟合
常见错误陷阱
25
工具与库
Python中用于评估的库（scik… · tensorflow · micropython）及在嵌入式环…
工具Python
26
自动化评估
构建自动化评估流水线 · 集成混淆矩阵 · 指标计算和阈值搜索
自动化评估构建自动化评估流…
27
模型部署后评估
在真实设备上收集数据 · 更新混淆矩阵 · 动态调整阈值的策略
模型部署后评估真实设备上收集数…
28
综合练习
给定一个不平衡的TinyML数据集 · 完成从训练到评估 · 阈值调整的完整任务
综合练习TinyML
29
前沿与扩展
联邦学习 · 持续学习中的模型评估挑战 · 以及阈值自适应方法
前沿扩展
30
课程总结
核心要点回顾 · 最佳实践清单 · 进一步学习资源与项目建议
课程总结核心要点回顾