VIP20
本课程属于：056-蛋白配体相互作用特征学习任务 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

模型评估：ROC-AUC与RMSE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
模型评估概述
什么是模型评估 · 为什么需要评估 · 监督学习中的分类与回归问题
模型评估概述什么是模型评估
02
混淆矩阵
TP · FP · TN
混淆矩阵TP
03
准确率、精确率、召回率
公式推导 · 适用场景 · 不平衡数据下的陷阱
准确率精确率
04
F1分数
调和平均的意义 · F1与Fbeta · 多分类中的宏平均与微平均
F1分数
05
ROC曲线概念
真正率（TPR）与假正率（FPR） · ROC曲线的直观理解
ROC曲线概念
06
AUC定义
曲线下面积的含义 · AUC = 0.5/1.0的极端情况…
AUC定义
07
ROC曲线绘制方法
阈值遍历 · 点连成线 · 手动计算示例
ROC曲线绘制方法
08
AUC计算
梯形法则 · Mann–Whitney U统计量 · sklearn实现
AUC计算
09
ROC-AUC优缺点
对样本分布不敏感 · 无法反映概率校准 · 多分类扩展
ROC-AUC优缺点
10
RMSE定义
均方根误差的公式 · 与MSE的关系 · 单位解释
RMSE定义
11
RMSE计算
Python手算与numpy验证 · 平方和开方步骤
RMSE计算
12
MAE对比
平均绝对误差与RMSE的差异 · 对大误差的惩罚程度
MAE对比
13
R-squared
决定系数定义 · 与RMSE的关系 · 负数含义
R-squared决定系数定义
14
模型选择策略
单一指标 vs 多指标权衡 · 业务场景决定权重
模型选择策略vs
15
交叉验证
K折交叉验证 · 留一法 · 评估指标的平均与标准差
交叉验证K折交叉验证
16
过拟合与欠拟合
训练/验证曲线 · RMSE与AUC在过拟合下的表现
过拟合欠拟合
17
偏差方差权衡
高偏差与高方差对ROC和RMSE的影… · 正则化如何调节
偏差方差权衡ROC
18
分类模型评估实例
以二分类垃圾邮件检测为例 · 计算混淆矩阵 · ROC
分类模型评估实例以二分类垃圾邮件…
19
回归模型评估实例
以波士顿房价预测为例 · 计算RMSE · MAE
回归模型评估实例以波士顿房价预测…
20
ROC-AUC在医学诊断中的应用
灵敏度 · 特异度 · 最佳阈值选择
ROC-AUC医学诊断
21
RMSE在时间序列预测中的应用
滚动预测误差 · 与MAE的对比案例
RMSE时间序列预测
22
多分类ROC-AUC
OvR与OvO策略 · macro与weighted平均
ROC-AUC多分类
23
多输出回归RMSE
多维目标变量 · 按维度或全局平均
RMSE多输出回归
24
使用Python计算ROC-AUC
matplotlib绘制ROC曲线 · sklearn.metrics.ro…
PythonROC-AUC
25
使用Python计算RMSE
sklearn.metrics.me… · 自定义函数
PythonRMSE
26
sklearn库实战
train_test_split · cross_val_score · GridSearchCV中应用ROC…
sklearn库实战
27
模型评估报告
classification_rep… · regression_report · 自定义汇总函数
模型评估报告classificati…
28
超参数调优与评估
网格搜索时监控AUC和RMSE · 防止过拟合验证集
超参数调优评估
29
模型对比与选择
多个候选模型在AUC和RMSE上的排… · 结合业务可解释性
模型对比选择
30
总结与展望
ROC-AUC与RMSE适用场景总结 · 未来研究方向（如校准曲线 · PRAUC）
ROC-AUCRMSE