机器学习模型效果评估与改进指南
这个助手用于系统性地评估机器学习模型在未见数据上的表现,帮助你判断模型是否具备良好的泛化能力,而不仅仅是在训练集上表现良好。它会引导你从准备测试数据、模型预测、性能指标计算,到对比训练与测试结果的差异,逐步发现过拟合、数据偏差或特征不足等问题,并给出可执行的改进方向。适合在模型开发、上线前验证或性能优化阶段使用,帮助你形成一份专业、客观、可复现的模型评估结论。
参考示例
模型类型
随机森林分类模型
数据集说明
包含1万条用户交易记录的历史风控数据
评估指标
准确率、召回率、AUC
