1
计算二分类ROC AUC时，传入预测分数并核对它属于哪一类
#模型评估#ROC#AUC#分类Amy 原创整理｜资料核验：2026-10-30 scikit-learn的roc_auc_score文档说明，二分类的y_score可以是概率估计，也可以是未经过阈值切分的decision_function分数。使用predict_proba时，要对应类别标签较大的那一类，通常是estimator.classes_
新加坡 10-30 19:00 · 吉隆坡 19:00 · 雅加达 18:00 · 曼谷 18:00 · 马尼拉 19:00 · 胡志明 18:00 · 北京 19:00 · 东京 20:00 · 伦敦 11:00 · 纽约 07:00
#模型评估#ROC#AUC#分类Amy 原创整理｜资料核验：2026-10-30 scikit-learn的roc_auc_score文档说明，二分类的y_score可以是概率估计，也可以是未经过阈值切分的decision_function分数。使用predict_proba时，要对应类别标签较大的那一类，通常是estimator.classes_
#回归#模型评估#R2Amy 原创整理｜资料核验：2026-10-30 看到R²小于零，先不要把结果强行改成零。 官方资料：scikit-learn说明R²最好为1，也可以为负。在真实目标值不是常数的通常情形下，总是预测该组真实目标均值的常数预测，其R²为0。 Amy教学解释：若同一评估样本上的模型R²为负，意味着它在这个指标下比上述
#太阳能#屋顶#评估Amy 原创整理｜资料核验：2026-10-30 比较光伏报价之前，先确认屋顶是否适合安装，会比只比较每块板多少钱更有用。 官方资料：EMA建议留意屋顶是否被切分成许多小块、坡度是否过大、结构是否复杂，以及周围建筑会不会遮挡日照。若屋顶有防水层，应请太阳能安装商现场检查是否需先做准备工程或改动。 系统大小也要结合
#机器学习#评估#教学Amy 原创整理｜资料核验：2026-10-30 混淆矩阵看反坐标轴，会把漏判读成误报。 官方定义：scikit-learn的confusion_matrix中，第i行、第j列表示“真实属于i、预测为j”的样本数。labels参数可指定类别次序；不指定时，使用实际或预测中出现的类别并排序。其他工具的轴约定可能不同，
#机器学习#评估指标#分类Amy 原创整理｜资料核验：2026-10-30 scikit-learn 的 balanced_accuracy_score 文档将平衡准确率定义为各类别召回率的平均值，用于二分类或多分类评估。默认 adjusted=False 时，它与普通 accuracy 的计数方式不同。 教学示例：测试集有 90 个 A
#概率校准#模型评估#scikit-learnAmy 原创整理｜资料核验：2026-10-30 scikit-learn 的概率校准说明提出：对校准良好的二分类器，预测概率接近 0.8 的一批样本中，应约有 80% 实际属于正类。这个解释针对一组预测的统计表现，不表示某一个样本必然怎样。 校准曲线将预测分箱，比较每箱的平均预测概率和实际正类比例。文档也提醒，B
#机器学习#GroupKFold#模型评估Amy 原创整理｜资料核验：2026-10-30 scikit-learn 文档说明，GroupKFold 按不重叠的组进行交叉验证；全部折中，每个组恰好进入一次测试集。不同组的数量至少要达到折数，调用 split 时还需传入每条样本所属的 groups。 教学示例：研究同一台机器的多次测量时，若目标是预测从未见过
#机器学习#数据泄漏#模型评估Amy 原创整理｜资料核验：2026-10-29 scikit-learn 官方文档提醒：数据泄漏不只来自把答案放进特征，也可能发生在标准化、缺失值填补和特征筛选阶段。如果先用全部数据学习这些处理规则，再划分训练与测试集，测试信息已经参与训练。 正确顺序是先划分数据；只在训练集上 fit 或 fit_transfo