B_gt 代表的是目标实际的边框（Ground Truth，GT），B_p 代表的是预测的边框，通过计算这两者的 IOU，可以判断预测的检测框是否符合条件，IOU 用图片展示如下：...
损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。
前面我们已经介绍了逻辑回归、决策树、随机森林这几种常用的分类模型，不知道大家有没有留意到，我们在前面做模型评价的时候都会用到一个指标--AUC，通过AUC值的大小来评判模型好坏。前面我们有简单提过AUC值越大表示模型...
本文首发于知乎 https://zhuanlan.zhihu.com/p/147663370
二值分类器是机器学习中最常见的分类器。评价的指标也有很多，precision，recall，F1 score等等。ROC曲线也是之一。ROC，Receiver Operating Characteristic Curve，受试者工作特征曲线。ROC曲线的横坐标为假阳性率（False Posit...
针对不同问题，分类，排序，回归，序列预测，选择合适的评估方式。准确率Accuracy，精确率Precision，召回率Recall，均方根误差Root Mean Square Error，RMSE
一，常用的内置评估指标 MeanSquaredError（平方差误差，用于回归，可以简写为MSE，函数形式为mse） MeanAbsoluteError (绝对值误差，用于回归，可以简写为MAE，函数形式为mae) MeanAbsolutePercentageError (平均百分比误差，用于回归...
v_TexCoord = mTextureMatrix * a_TexCoordinate;
分类模型（分类器）是一种有监督的机器学习模型，其中目标变量是离散的（即类别）。评估一个机器学习模型和建立模型一样重要。我们建立模型的目的是对全新的未见过的数据进行处理，因此，要建立一个鲁棒的模型，就需要对模型进行全面...
分类是机器学习中比较常见的任务，对于分类任务常见的评价指标有准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 score、ROC曲线（Receiver Operating Characteristic Curve）等...
