索引 / 标签
#评估
共 16 篇
- Ch05 评估与特征工程
5.1 过拟合 vs 欠拟合：模型的两大病症
在谈评估指标之前，先搞清楚模型"学得不好"的两种典型情况。 5.1.1 欠拟合（Underfitting） 模型太简单，连训练数据里的规律都没学会。就像学生只背了课本第一页就去考试——连做过的题都做不对。 | 特征 | 表现 | |---|---| | 训练集表现 | 差（训练误
约 6 分钟1,811 字 - Ch05 评估与特征工程
5.2 分类问题的评估
混淆矩阵：一个 2x2 的表格。 - TP（真阳性）：病人有病，AI 说有病 —— 正确 - FP（假阳性）：病人没病，AI 说有病 —— 误报 - TN（真阴性）：病人没病，AI 说没病 —— 正确 - FN（假阴性）：病人有病，AI 说没病 —— 漏报 准确率 = (TP +
约 2 分钟608 字 - Ch05 评估与特征工程
5.4 评估指标的完整体系
这一节给出完整的指标体系——每类问题的每种指标，都包含公式、直觉和适用场景。选择正确的指标，等于告诉模型"你该朝哪个方向优化"。 在深入之前，先建立回归评估的直觉。回归问题关心的是"预测值离真实值有多远"，三句话概括核心指标： MAE（平均绝对误差）：预测值和真实值的绝对差距的平
约 1 分钟333 字 - Ch05 评估与特征工程
5.5 混淆矩阵深度解析
混淆矩阵是所有分类指标的源头。理解它，你就能自己推导出任何分类指标。 5.5.1 混淆矩阵的四个象限 TP（True Positive，真正例）：模型说"是"，实际也是"是"。病人有病，AI 说有病——正确诊断。 FP（False Positive，假正例）：模型说"是"，实际是
约 2 分钟798 字 - Ch05 评估与特征工程
5.6 交叉验证完全指南
交叉验证是机器学习中最基本的评估技术之一。它的核心思想很简单：不要只用一次划分来评估模型，多次划分取平均，结果更可靠。 5.6.1 为什么需要交叉验证 单次训练/测试划分的问题： - 测试集恰好全是简单样本 → 模型看起来比实际好 - 测试集恰好全是困难样本 → 模型看起来比实际
约 2 分钟616 字 - Ch05 评估与特征工程
5.7 特征工程实战
特征工程是机器学习中"将原始数据转化为模型能理解的形式"的过程。2026 年，虽然深度学习减少了对手工特征工程的依赖，但在传统 ML 和结构化数据场景中，特征工程仍然是决定模型性能的最关键因素。好的特征能让简单的模型超越复杂的模型。 5.7.1 数值特征处理 数值特征是机器学习中
约 13 分钟4,029 字 - Ch05 评估与特征工程
5.8 2026 年：AutoML 和自动化特征工程
传统机器学习中，特征工程是"手工活"——数据科学家花 70% 的时间洗数据、造特征、选特征。2026 年，AutoML（自动机器学习）工具正在改变这个局面，但理解其能力和局限至关重要。 5.8.1 主流 AutoML 工具对比 AutoGluon（AWS 开源，2020 年发布）
约 4 分钟1,418 字 - Ch05 评估与特征工程
第5章 · 模型评估与特征工程
Ch04 机器学习核心算法 讲了五个必知算法。但"算法好不好"需要量化指标。这篇讲评估方法和特征工程的入门。 生活比喻：模型评估就像考试——你刷了很多题（训练模型），但真正检验水平的是模拟考（测试集）。过拟合是死记硬背、只会做原题换个数字就不会了；欠拟合是根本没学进去，连原题都做
约 1 分钟447 字 - Ch05 评估与特征工程
交叉验证 (Cross-Validation)
概述 交叉验证（Cross-Validation, CV）是机器学习中评估模型泛化能力（Generalization）的核心技术。其基本思想是将数据集划分为多个互斥子集（Fold），轮流使用其
约 4 分钟1,150 字 - Ch05 评估与特征工程
偏差与方差 (Bias-Variance Tradeoff)
概述 偏差-方差权衡（Bias-Variance Tradeoff）是机器学习中最核心的理论困境之一。它描述了模型在拟合训练数据时面临的两种对立误差来源：偏差（Bias）衡量模型预测值与真实值
约 3 分钟1,058 字 - Ch05 评估与特征工程
偏差方差权衡 (Bias-Variance Tradeoff)
概述 偏差-方差权衡（Bias-Variance Tradeoff）是机器学习理论中最核心的概念之一，描述了模型预测误差可以被分解为三个不可约的成分：偏差（Bias）、方差（Variance）
约 4 分钟1,432 字 - Ch05 评估与特征工程
学习曲线 (Learning Curves)
概述 学习曲线（Learning Curves）是机器学习和深度学习中用于诊断模型性能的核心可视化工具。它通过绘制训练集大小与模型性能（误差/准确率）之间的关系，帮助我们回答一系列关键问题：模
约 4 分钟1,432 字 - Ch21 MLOps
LLM 可观测性 (LLM Observability)
概述 LLM 可观测性 (LLM Observability) 是指在生产环境中对 LLM 应用进行全面监控、追踪和分析的能力。不同于传统的软件可观测性（主要关注延迟、错误率、吞吐量），LLM
约 5 分钟1,589 字 - Ch21 MLOps
深挖 LangSmith
一句话理解 LangSmith 是 LangChain 生态的调试、评估、监控平台，相当于 Agent 的可观测层（Observability Layer）。它追踪每一次 LLM 调用、记录每
约 3 分钟1,119 字 - Ch11 模型微调
LLM 通用评估：怎么给 AI 打分
深挖-RAG评估 讲了怎么评估检索系统。但怎么评估 AI 本身？市面上那么多模型（GPT-5.5、Claude Opus 4.8、Gemini 3.5 Pro、Llama 4.1），谁知道谁更好？这篇讲三种主流的评估方法。
约 3 分钟961 字 - Ch13 RAG