性能度量 性能度量(performance measure)是衡量模型泛化能力的 评价标准，反映了任务需求. 使用不同的性能度量往往会导致不同的评判结果. 什么样的模型是“好”的，不仅取决于算法和数据， 还取决于任务需求
. 3 . 3(performance measure)"03&).+ 1 $! 4' *+ . 3 /+1.-# %+&"+ ,( 2 4'
性能度量 预测任务中：给定样例集D={x1,y1}·{xm,ym},y是 实例x;的真实标记，要评估学习器f的性能，就要把 学习器预测结果f(x)与真实标记y进行比较。 ▣回归(regression)任务常用均方误差(MSE,Mean Squared Error): BUD)=∑U)-wP ▣更一般的，对于数据分布D和概率密度函数p(.),均方 误差可以描述为： E(f;D)-(f(z)-v)2p(c)dz
$D") <+ 0( ; ,,$ -.'546 f - 14 <+/& f.'5 93*8 p #(regression) !& %E= ( (1 ) 11.1 p %2- " ), " # 7 !:
错误率VS.精度 m 口错误率： E(f:D)=∑I(f(c)≠) m i=1 m 口精度： ace(f;D)= 1 w 1-E(f;D). 口更一般的，对于数据分布D和概率密度函数p(.), 错误率与精度可以描述为： E(f;D)= I(f(x)≠y)p(c)dx acf;D）=厂nIf(o)=0plad 1-E(f;D)
)( vs. p )( p p