静态评价指标有哪些

静态评价指标主要包括以下几个方面：

1. 准确率（Accuracy）：模型预测正确的样本数量占总样本数量的比例。

2. 精确率（Precision）：模型预测为正例的样本中，实际为正例的比例。

3. 召回率（Recall）：实际为正例的样本中，模型预测为正例的比例。

4. F1值（F1-Score）：综合考虑了精确率和召回率的平衡指标，计算公式为：F1 = 2 * (precision * recall) / (precision + recall)。

5. ROC曲线（Receiver Operating Characteristic curve）：绘制以真正例率（True Positive Rate）为纵轴，假正例率（False Positive Rate）为横轴的曲线，用于评估二分类模型的性能。

6. AUC（Area Under ROC curve）：ROC曲线下的面积，一般在0.5到1之间，越接近1表示模型性能越好。

7. 均方误差（Mean Squared Error，MSE）：预测值与真实值之间差的平方的均值。

8. 平均绝对误差（Mean Absolute Error，MAE）：预测值与真实值之间差的绝对值的均值。

9. R平方（R-Squared）：预测值与真实值之间的差异，该值越接近1表示模型拟合效果越好。

10. 对数似然（Logarithmic Loss）：用于评估概率性分类模型的性能，计算公式为：logloss = -1/n * ∑(y * log(y_pred) + (1 - y) * log(1 - y_pred))。

标签：指标