VIP20
本课程属于：004-AutoDock分子对接筛选 生物信息学与 AI 制药工程 · 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

机器学习模型评分指标与多目标评估

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
01
课程导论
为什么需要系统学习打分函数？打分函数… · 课程整体框架
课程导论为什么需要系统学…
02
分类任务基础
准确率(Accuracy)的数学定义 · Python实现 · 适用场景与陷阱
分类任务基础Accuracy
03
精确率与召回率
Precision与Recall的原… · Trade-off关系 · F1-Score公式推导
精确率召回率
04
Fβ-Score与加权F1
如何通过β参数平衡精确率与召回率 · 宏/微/加权平均的区别
ScoreF1
05
ROC曲线与AUC
ROC曲线绘制逻辑 · AUC的统计意义 · python实现（scikit-le…
ROCAUC
06
PR曲线与AP分数
当正类样本稀少时为什么更推荐PR曲线…
PRAP
07
混淆矩阵深入
TP · FP · FN
混淆矩阵深入TP
08
对数损失(Log Loss)
交叉熵损失在分类评价中的含义 · 概率校准的重要性
LogLoss
09
多分类评价指标
宏平均/微平均/加权平均在多类场景下… · Macro F1 vs Weight…
多分类评价指标宏平均
10
回归任务基础
平均绝对误差(MAE)与均方误差(M… · 对异常值的敏感度
回归任务基础MAE
11
R²与调整R²
决定系数的含义 · 过拟合风险 · 调整R²如何惩罚冗余特征
R²调整R²
12
均方根误差(RMSE)与均方根对数误差(RMSLE)
何时使用RMSLE？处理目标值稀疏或…
RMSERMSLE
13
MAPE与SMAPE
平均绝对百分比误差的优缺点 · 除以零问题及SMAPE改进
MAPESMAPE
14
聚类评价指标
轮廓系数(Silhouette Sc… · Calinski-Harabasz指… · Davies-Bouldin指数
聚类评价指标Silhouette
15
外部聚类指标
NMI · ARI · 同质性/完整性/调和平均(V-Mea…
外部聚类指标NMI
16
排序与推荐指标
NDCG · MAP@K · MRR（平均倒数排名）在信息检索中的…
排序推荐指标
17
概率预测评价
Brier Score · 可靠性曲线(Calibration… · 对数损失再解读
概率预测评价Brier
18
打分函数选择的通用原则
根据业务目标（成本/收益） · 数据分布 · 模型类型决定指标
打分函数选择的通…根据业务目标
19
参数配置入门
超参数概念 · 网格搜索(GridSearchCV)… · 参数空间设计
参数配置入门超参数概念
20
随机搜索与贝叶斯优化
RandomizedSearchCV… · 何时用哪个
随机搜索贝叶斯优化
21
交叉验证策略
K折 · 分层K折 · 留一法
交叉验证策略K折
22
多指标并行优化
使用scikit-learn的`sc… · 自定义聚合规则
多指标并行优化scikit-learn
23
自定义打分函数
编写callable作为scorin… · 使用make_scorer封装 · 签名规范
自定义打分函数callable
24
参数配置中的陷阱
过拟合验证集 · 早停与剪枝策略 · 学习率调度与搜索空间耦合
参数配置陷阱
25
二分搜索与渐进搜索
对连续参数如何高效缩小搜索范围？实战…
二分搜索渐进搜索
26
多目标优化
Pareto前沿 · NSGA-II思想在模型选择中的应用…
多目标优化Pareto
27
AutoML中的打分配置
自动调参框架（Optuna · AutoGluon）的scoring…
AutoML打分配置
28
Pipeline与打分集成
如何在sklearn Pipelin…
Pipeline打分集成
29
生产环境中的打分监控
模型上线后如何持续评估？数据漂移与指…
生产环境打分监控
30
综合实战
结合Kaggle数据集 · 从任务定义 · 指标选择
综合实战Kaggle