如何识别机器学习中分类问题陈述应使用的评估指标？

Question

我应该使用哪个评估指标进行分类问题陈述？我应该决定什么因素？ 1. 准确性 2. F1得分 3. AUC ROC得分 4. 日志丢失

Answer 1

当使用平衡数据集时，

准确性是一个很好的指标。这是真实预测的数量占预测总数的比例。

F1得分是当您希望最大程度地提高预测的准确性和召回率时的一项很好的指标，对于不平衡的数据集也很重要。

AUC ROC分数表示算法覆盖了您的数据量。我真的很喜欢使用这种评估指标，它适用于平衡和不平衡的数据集。

对数损失是预测的对数损失，取决于预测标签和真实标签之间的交叉熵。我以前从未使用过该指标。