测试模型

用测试数据测试模型的泛化能力。训练数据可以是带标签或者不带标签的数据，测试数据一定是带标签的数据，方便评估模型执行效果。

1. 单击“训练模型”左下方的“测试模型”，新增“测试模型”内容。

   参数配置均保持默认值。

2. 单击“测试模型”代码框左侧的图标，进行模型评估。

   模型测试效果会通过表格的形式在下方展示。

   第一列内容的含义如下所示：

   • 0.0：标注为0的所有样本。可以理解为标签。
   • 1.0：标注为1的所有样本。可以理解为标签。
   • macro average：所有标签结果的平均值。
   • weighted average：所有标签结果的加权平均值。

   第一行内容的含义如下所示，即模型优劣的评价指标：

   • f1-score：F1分数同时考虑精确率和召回率，让两者同时达到最高，取得平衡。
   • precision：精确率，又被称为查准率，是针对预测结果而言的。含义为在被预测为正的样本中实际为正样本的概率。
   • recall：召回率，又被称为查全率，是针对原样本而言的。含义为在实际为正的样本中被预测为正样本的概率。
   • support：每类标签出现的次数。