衡量模型质量
什么样的模型算质量高？ 预测准确率高的模型，准确率达到什么程度算高，需要衡量指标。
怎么知道准确率高低呢？ 测试
衡量准确率的指标有哪些
Precision、Recall 和 F1Score
f7aa13e0-4139-11e8-9d35-17c301868657.jpeg
Precision（准确率）
Precision=TP/（TP+FP），即在所有被预测为 Class_A 的测试数据中，预测正确的比率
Recall（召回率）
Recall=TP/（TP+FN），即在所有实际为 Class_A 的测试数据中，预测正确的比率。
F1Score = 2*(Precision * Recall)/(Precision + Recall)
欠拟合（Underfitting）和过拟合 （Overfitting）
一个模型在其训练集上的预测结果不佳的情况叫做欠拟合，（好比做过的题都不会）
模型在其训练集上的预测结果特别好，测试集上却很差的情况叫过拟合（只会做过的题）。
模型训练的目的是从数据中提取普遍规律，欠拟合是提取不足，过拟合是提取过头了，把一些测试数据固有的规律判别为普遍过滤。
欠拟合多数情况下是因为选定模型类型太过简单，特征选取不够导致的。而过拟合则相反，可能是模型太过复杂，特征选择不当（过多或组合不当）造成的。
