12 机器学习基础之模型评估与选择

查看大图

视觉模型不能只看训练集表现。验证集、测试集和真实场景样本要分开，否则很容易把过拟合当成进步。

查看大图

我会固定数据划分和评估指标，再比较模型。指标和样本一变，模型好坏就没有可比性。

在机器学习的过程中，模型的评估与选择是至关重要的一步，它直接影响到我们所构建模型的效果。上一篇中，我们讨论了监督学习与非监督学习的基本概念。接下来，我们将深入探讨如何评估和选择机器学习模型，以确保我们的模型能够在实际应用中取得良好的表现。

模型评估的基本概念

在模型评估中，我们需要了解的第一个概念是性能度量。在监督学习中，我们通常需要处理分类和回归任务，这两种任务的性能评估指标是不同的。

查看大图

选择视觉模型时，先比较验证指标、错误样例、推理速度、显存占用、数据偏差和维护成本。

分类模型的评估指标

1. 准确率 (Accuracy): 准确率是所有预测中正确预测的比例。它的计算公式为：

   $$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}}$$

   其中，TP是真正类的数量，TN是真负类的数量，FP是假正类的数量，FN是假负类的数量。

2. 精确率 (Precision): 精确率是指在所有被预测为正类的样本中，实际为正类的比例。其计算公式为：

   $$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}$$

3. 召回率 (Recall): 召回率是指在所有实际为正类的样本中，被正确预测的比例。其计算公式为：

$$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$

F1 分数: F1 分数是精确率和召回率的调和平均数，用于综合评估分类模型的性能。其计算公式为：

$$F1 = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$$

案例：鸢尾花数据集的分类

我们可以使用鸢尾花数据集来进行一个简单的分类任务，并评估模型的性能。以下是使用 Python 和 Scikit-learn 的代码示例：

import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

# 加载数据
iris = load_iris()
X = iris.data
y = iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建与训练模型
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 进行预测
y_pred = model.predict(X_test)

# 输出分类报告
print(classification_report(y_test, y_pred, target_names=iris.target_names))

回归模型的评估指标

对于回归模型，常用的评估指标包括：

1. 均方误差 (MSE): 是预测值与实际值的差值的平方的平均值。其计算公式为：

   $$\text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2$$

2. 均方根误差 (RMSE): 是均方误差的平方根，常用于与真实值的比较。其计算公式为：

   $$\text{RMSE} = \sqrt{\text{MSE}}$$

3. 决定系数 (R²): 用于衡量模型对数据变异的解释能力，其值在0和1之间，值越高，模型越好。其计算公式为：

   $$R^2 = 1 - \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}{\sum_{i=1}^{n} (y_i - \bar{y})^2}$$

案例：波士顿房价数据集的回归

以波士顿房价数据集为例，我们来训练一个回归模型并评估其性能：

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

# 加载数据
boston = load_boston()
X = boston.data
y = boston.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建与训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 进行预测
y_pred = model.predict(X_test)

# 输出评估指标
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f'MSE: {mse}, R²: {r2}')

模型选择

评估完各个模型的性能后，我们需要选择最佳的模型。模型选择的常用方法有：

查看大图

读《机器学习基础之模型评估与选择》时，可以先看配图里的任务、概念、练习和判断点，再回到正文补细节。这样更容易判断这篇内容能放到哪个真实场景里。

1. 交叉验证 (Cross-validation): 通过将数据集划分为多个子集，使用其中一部分训练模型，使用其他部分进行评估，从而得到模型在不同数据上的表现，更可靠地选择模型。

2. 网格搜索 (Grid Search): 针对模型的超参数，通过系统的方法来寻找最佳的参数组合，以提高模型性能。

交叉验证示例

以下是使用交叉验证进行模型选择的简单代码示例：

from sklearn.model_selection import cross_val_score

# 使用随机森林模型
model = RandomForestClassifier()

# 进行交叉验证
scores = cross_val_score(model, X, y, cv=5)

print(f'Cross-validation scores: {scores}')
print(f'Mean score: {scores.mean()}')

查看大图

读到这里，可以把《机器学习基础之模型评估与选择》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

读完《机器学习基础之模型评估与选择》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

小结

通过对模型评估与选择的深入理解，我们能够更有效地选择和优化机器学习模型。在实际应用中，可以根据任务的不同特征和要求来选择合适的评估指标，从而确保最好的模型表现。评估模型的结果应作为模型优化与改进的重要依据。

在下一篇中，我们将讨论过拟合与正则化的概念，以进一步提升模型的泛化能力。