Python 列车/测试OOB分数、准确性和f1分数
我真的是个新手,相当困惑。我正在用随机森林(分类)训练我的模型,并试图完全掌握以下概念 据我所知:您使用训练/测试分割或交叉验证或oob(引导方法)分割您的模型 . 然后,精度分数或f1分数表示模型在测试集上的性能(精度对于平衡类更好,f1对于不平衡类更好) 但是OOB分数代表了验证集有多好,那么模型对数据的训练有多好 我是不是误会了这里的一切 我对准确度/f1分数和OOB分数之间的差异感到困惑Python 列车/测试OOB分数、准确性和f1分数,python,machine-learning,cross-validation,Python,Machine Learning,Cross Validation,我真的是个新手,相当困惑。我正在用随机森林(分类)训练我的模型,并试图完全掌握以下概念 据我所知:您使用训练/测试分割或交叉验证或oob(引导方法)分割您的模型 . 然后,精度分数或f1分数表示模型在测试集上的性能(精度对于平衡类更好,f1对于不平衡类更好) 但是OOB分数代表了验证集有多好,那么模型对数据的训练有多好 我是不是误会了这里的一切 我对准确度/f1分数和OOB分数之间的差异感到困惑 如果您有任何意见,我们将不胜感激。以下是您所看到的两个不同方面: 度量,这些是用于评估模型在一组数据
如果您有任何意见,我们将不胜感激。以下是您所看到的两个不同方面:
- 准确度
- 精密度
- 回忆
- F1
- 微卫星
- 等等
- 使用两套不同的装置(即列车/测试分离)
- 交叉验证(例如K倍交叉验证、LOOCV等)
- 这种方法特别适用于随机森林算法,用于引导集合(森林)中每个学习者使用的数据
- 等等
至于你的具体问题:什么是OOB分数的准确性分数?OOB算法创建用于训练的数据子集,然后根据这些子集的预测标签使用度量计算分数。我投票结束这个问题,因为它不是关于中定义的编程,而是关于ML理论和/或方法-请参阅
机器学习
。