了解机器学习性能，包括如何衡量它，以及如何在 Metabase 中利用它制作仪表板和可视化图表。
机器学习性能指标是一组告诉您各种分类性能指标的度量标准。这些指标旨在识别机器学习在进行预测、收集信息以及机器学习的特异性方面的表现如何。我们使用的机器学习几乎从不 100% 准确；实现这种级别的准确性将占用大量资源。这些指标的真正目的只是确保您的机器学习达到可用标准。
开始使用
有几种不同的计算方法可以评估机器学习的可靠性。您需要根据实际和预测分类来了解机器学习的真阳性、假阳性、真阴性和假阴性。一些可以进行这些计算的示例包括：召回率（或敏感度）- 模型做出阳性预测的次数。准确率 - 模型在所有类别中的表现。精确率 - 模型做出阳性预测的质量。对数损失 - 预测概率与其真实值的接近程度。
通过将您最重要的指标汇集到单一视图中，让每个人都保持信息同步。
将您的数据嵌入到内部维基、网站和内容中，让数据无处不在。
赋能您的团队，让他们衡量自己的进展，并探索实现目标的新途径。
没错，无需销售电话——只需注册，5 分钟内即可开始使用。
我们连接到最流行的生产数据库和数据仓库。
邀请您的团队并开始构建仪表盘——无需 SQL。
