数据科学中的 10 个重要概念和图表的含义

“当算法给你一条曲线时，一定要知道这个曲线的含义！”

1、偏差-方差权衡

这是一个总是在机器学习最重要理论中名列前茅的概念。机器学习中的几乎所有算法（包括深度学习）都努力在偏差和方差之间取得适当的平衡，这个图清楚地解释了二者的对立关系。

2、基尼不纯度与熵

Gini（缺乏同质性的度量）和 Entropy（随机性的度量）都是决策树中节点不纯度的度量。

对于这两个概念更重要的是要了解它们之间的关系，以便能够在给定的场景中选择正确的指标。

基尼不纯度（系数）通常比熵更容易计算（因为熵涉及对数计算）

3、精度与召回曲线

精度-召回曲线显示了不同阈值的精度和召回率之间的权衡。曲线下面积大代表高召回率和高精度，其中高精度与低误报率相关，高召回率与低误报率相关。

它可以帮助我们根据需要选择正确的阈值。例如，如果我们的目标是减少类型 1 错误，我们需要选择高精度，而如果我们的目标是最小化类型 2 错误，那么我们应该选择一个阈值，使得召回率很高。

完整文章：

https://avoid.overfit.cn/post/9e93dfdf0e1f442b8f6c3306f3923e24