前幾篇介紹了特徵選擇的一些方法
可是之前的方法應該還是會存在一些問題
例如：我們什麼時候才要停止更新特徵子集呢？
我們之前有說過特徵選擇的流程不外乎以下步驟
當我們覺得模型表現足夠、模型表現進步不足、模型表現退步太少時
我們就可以停止再更新特徵子集了
那我們通常有哪些模型表現的評估方法呢？
我們接下來幾篇應該會介紹一些常見的模型表現評估方法
例如：均方誤差(Mean Square Error, MSE)、R-squared、adjust R-squared、
赤池信息量準則(Akaike information criterion, AIC)、...
iThome鐵人賽
看影片追技術