评价指标（Evaluation Metrics）用于量化模型的性能，帮助开发者比较不同模型的优劣、优化超参数，并确保模型在实际应用中的可靠性。
一、分类任务（Classification）
1.基础指标
（1）准确率（Accuracy）
适用场景：类别均衡的数据集（如手写数字识别）。
缺点：对不平衡数据（如欺诈检测）不敏感。
（2）精确率（Precision）
意义：预测为正的样本中实际为正的比例。
应用：注重减少误报的场景（如垃圾邮件过滤）。
（3）召回率（Recall，灵敏度）
意义：实际为正的样本中被正确预测的比例。
应用：注重减少漏检的场景（如癌症诊断）。
（4）F1 Score
特点：精确率与召回率的调和平均，适用于不平衡数据。
2.多分类与高级指标
（1）宏平均（Macro-Average）：各类别指标的算术平均（平等对待所有类别）。
（2）微平均（Micro-Average）：按样本权重计算（大类别主导）。
（3）ROC-AUC：
ROC曲线：以假正率（FPR）为横轴、真正率（TPR）为纵轴的曲线。
AUC值：曲线下面积，衡量模型整体排序能力（AUC=1为完美分类器）。
二、回归任务（Regression）
1. 均方误差（MSE）
特点：对异常值敏感（平方放大误差）。
2. 平均绝对误差（MAE）
特点：鲁棒性更强，解释直观。
3. R²（决定系数）
范围：[-∞, 1]，越接近1说明模型解释性越强。
三、生成模型（Generative Models）
1. FID（Frechet Inception Distance）
原理：比较生成图像与真实图像在Inception-v3特征空间的分布距离。
特点：值越低，生成质量越高。
2. IS（Inception Score）
意义：衡量生成图像的多样性和可判别性。
四、目标检测（Object Detection）
1. mAP（Mean Average Precision）
步骤：
计算每个类别的AP（在不同召回率下的平均精确率）。
对所有类别的AP取平均。
版本：COCO mAP（IoU阈值0.5:0.95）、VOC mAP（IoU=0.5）。
2. IoU（交并比）
阈值：通常取0.5作为判定检测正确的标准。
选择指标的核心原则
任务需求：如医疗诊断注重召回率，推荐系统关注NDCG。
数据分布：不平衡数据避免使用准确率。
业务目标：某些场景需自定义指标（如电商结合点击率与购买率）。