Machine learning 为什么对不同的机器学习算法有多个评估方法很重要？

找不到准确简洁的答案。我对不同的机器学习评估方法不是特别感兴趣，我只是想知道为什么拥有多个机器学习评估方法很重要

每个指标提供了不同的洞察力，并以不同的方式评估您的模型。 让我们以二元分类为例：

准确度告诉你预测的正确率。但是，如果您还想知道您到底错了多少个1（即，您预测0应该在1的位置），该怎么办。为此，您将计算召回分数。

---

因此，你得到了一个想法，也许你想要好的准确性，但也需要好的回忆[现实世界的例子：可能是垃圾邮件检测]，因此你考虑这两个指标，明智地选择

而不是编程或r问题，因此可以说是离题了；您可以尝试在交叉验证或Data Science SE上发帖，但请注意，交叉发帖是正确的。谢谢，第一句话就是我要找的！