我們會透過驗證指標來驗證模型的表現能力，根據類型，可分為分類指標與迴歸指標。

• 分類模型所使用的指標(二元)
  分類問題的結果可以使用混淆矩陣(confusion matrix)呈現，並透過這個矩陣來算出一些指標。

• 二元混淆矩陣
  先以假定二元分類為「正」、」「負」，下圖為二元分類的混淆矩陣，condition為真實情況（答案）， test outcome為模型預測的結果。

  • True Positive (TP): 答案為「正」，模型預測為「正」的個數
  • True Negative(TN):答案為「負」，模型預測為「負」的個數
  • False Positive (FP): 答案為「負」，模型預測為「正」的個數
  • False Negative(FN):答案為「正」，模型說「負」的個數
    
    圖片來源: 連結

• 根據矩陣可計算出的指標如下，

  • Accuracy 準確率: 為模型判斷的正確率，數值越高越好
    
  • Sensitivity 敏感度: 又稱Recall，為正確判斷正的偵測率，數值越高越好
    
  • Specificity 特意度: 為正確判斷負的偵測率，數值約高越好
    
  • Precision 精確度
    

• 迴歸模型所使用的指標：

  • 均方誤差 (Mean square error, MSE)
    
  • 平均絕對平方誤差 (Mean absolute error)
    
  • 均方根誤差(Root Mean Squared Error, RMSE)
    

實作的部分，在後面幾天的模型實作時會一併操作。