VIP20
本课程属于：045-AI药物发现特征学习任务 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

AUC与RMSE评估指标详解

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
评估指标概述
为什么需要评估指标 · 分类与回归问题的不同衡量角度
评估指标概述为什么需要评估指…
02
混淆矩阵基础
TP · FP · TN
混淆矩阵基础TP
03
准确率、精确率、召回率、F1分数
公式与适用场景
F1准确率
04
从精确率/召回率到ROC曲线
阈值变化如何影响指标
ROC从精确率
05
ROC曲线概念
真正例率（TPR）与假正例率（FPR…
ROC曲线概念
06
ROC曲线绘制原理
不同阈值下的坐标点
ROC曲线绘制原理
07
AUC定义与含义
曲线下面积 · 随机猜测AUC=0.5
AUC定义
08
AUC的计算方法
梯形法则与排序法
AUC的计算方法
09
AUC的统计学意义
模型对正负样本的排序能力
AUC的统计学意义
10
AUC的优缺点
对不平衡数据不敏感 · 但无法反映概率校准
AUC的优缺点
11
多分类问题中的AUC
macro · micro与weighted平均
AUC多分类问题
12
AUC的代码实现
使用sklearn.metrics.…
AUC的代码实现
13
手动实现AUC计算
排序法Python示例
AUC手动实现
14
RMSE定义
均方根误差公式与直觉理解
RMSE定义
15
RMSE与MSE、MAE的关系
数学联系与差异
RMSEMSE
16
RMSE的数学性质
对大误差的惩罚更重
RMSE的数学性质
17
RMSE的适用场景
回归问题 · 预测误差评价
RMSE的适用场景
18
RMSE的局限性
对异常值敏感 · 量纲依赖
RMSE的局限性
19
RMSE与R²的关系
决定系数与均方根误差
RMSER²的关系
20
标准化的RMSE（NRMSE）
消除量纲影响的方法
RMSENRMSE
21
RMSE的代码实现
使用sklearn.metrics.…
RMSE的代码实现
22
手动实现RMSE
Python代码示例
RMSE手动实现
23
AUC与RMSE对比
分类与回归指标的本质区别
AUCRMSE
24
联合使用AUC和RMSE的案例
点击率预测模型评估
AUCRMSE
25
实践中的注意事项
数据划分 · 交叉验证与指标稳定性
注意事项数据划分
26
模型选择策略
何时用AUC · 何时用RMSE
模型选择策略AUC
27
相关指标补充
LogLoss · MAPE · R²等
相关指标补充LogLoss
28
常见陷阱
AUC过高可能是过拟合 · RMSE异常大可能是异常值
常见陷阱AUC
29
工程应用
在ML生产流水线中监控AUC与RMS…
工程应用ML
30
总结与进阶
AUC扩展（AUPRC）与RMSE变…
进阶AUC