更新时间:2021-09-18 GMT+08:00
分享

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。

分享:

    相关文档

    相关产品

close