如何评估我的MLPClassifier模型？需要ROC曲线吗？
如何评估我的MLPClassifier模型？需要ROC曲线吗？
提问于 2022-06-20 12:47:20
如何评估我的MLPClassifier模型？混淆矩阵、准确性、分类报告是否足够？我需要ROC来评估我的MLPClassifier结果吗？此外，我还使用了loss_curve函数，但它只显示了训练集的损失图。
Ps。我在处理多类分类问题。
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-06-20 13:20:42
这是一个非常开放的问题，没有代码，所以我会用我认为最好的回答你。对于多标签分类问题，通常采用accuracy作为跟踪训练的标准。另一个很好的方法叫做f1-score。报告是一种很好的跟踪训练的方法。
混淆矩阵，，，，通过评估哪些类更难预测，它们被用来检查模型失败的地方。
ROC曲线通常适用于二进制分类问题。它们可以通过执行一个类而不是其他方法来适应多个类。
对于损失，在我看来，你可能把事情搞糊涂了。培训是在epochs上进行的，而测试没有。如果你训练了100多个时代，那么你就有了100个损失的价值。测试不使用epochs，最多使用批处理，因此绘制损失是没有意义的。如果您正在讨论的是验证数据，那么您可以像使用培训数据一样绘制损失图。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72687247
复制相关文章
相似问题
腾讯云开发者
