C 除了混淆矩阵，还有什么其他形式的评估？

家庭作业

除了混淆矩阵，我还需要其他形式的评估来可视化算法的性能。

也很好（也很好）

如果它像回归，许多统计人员建议将其绘制为数据顶部的拟合曲线，或者如果拟合曲线是高维的，则可能是拟合曲线的许多不同二维投影。同样可取的做法是对置信区间和事物进行加权，使它们比情节的其他部分显示得更模糊，根据它们的不可能程度在视觉上降低权重。以下是安德鲁·盖尔曼最近的一篇文章：（）

如果你正在建立一个生成性模型，比如计算贝叶斯后验分布，那么这是一个很好的模型。如果你在做回归，不要低估汇总系数和

R^{2}

值的表的值

如果您的数据自然地位于某个域的顶部，比如x-y平面的一部分，或者您拥有美国每个州的数据，等等，那么尝试将您的数据覆盖在域之上总是好的。绘制一个显示数据分布的图（例如直方图，但如果是问题域中某个视觉上有意义的部分上方的密度，则通常要好得多），然后用算法的输出复制相同的精确图。从视觉上看，数据分布和算法输出之间的严重差异将引起人们对算法无法导致正确推断的地方的注意

---

这才是关键。目标是有效的推断，而不是达到相对较低的分类错误量，等等。如果你得到了不错的分类错误，但你的方法是过度拟合的，它可能会出现在某些类型的图中。

一种常见的方法是使用ROC曲线（）如果这是一个二进制分类问题，如果你有一个分类器参数，你可以改变得到不同的结果。

---

如果这不是一个二元分类问题，你仍然可以为每个标签（类）计算ROC曲线。

Nah，这只是一个无用的评论，说我以前从未听说过混淆矩阵。这个问题应该标记为matlab吗？还是c？