模型怎么优化？怎么评估模型好坏？
（1）优化角度
对于机器学习模型，从数据、模型、损失函数、优化方法、训练方法、集成学习角度出发
-
数据：数据预处理、数据增广
-
模型：选取合适的模型(如分类的模型就有SVM、XGB、RF等等)；在模型中使用正则化、舍弃、批量归一化等方法降低过拟合。
-
损失函数：不同的损失函数
-
优化方法：不同的优化器、学习率调整、对抗训练
-
集成：多模型集成，包括Boosting和Bagging方法
对于优化模型，可以采用优化算法，如粒子群、遗传、布谷鸟、模拟退火等优化算法。
（2）模型评估
分类模型评价指标
- 混淆矩阵
- 准确率
- 精确率
- 召回率
- F1得分
- ROC曲线
- AUC曲线
- PR曲线：P-R曲线的横轴是召回率，纵轴是精确率
回归模型评价指标
- 均方误差
- 均方误差根
- 平均绝对误差
- 可决系数
