了解机器学习性能，包括如何衡量它，以及如何在 Metabase 的仪表板和可视化中使用它。
机器学习性能指标是一组指标，用于告知您各种分类性能指标。 这些指标旨在识别机器学习在提出预测、收集信息以及您的机器学习的具体程度方面的工作效果。 我们使用的机器学习几乎永远不是 100% 准确的； 达到这种准确度水平将占用大量资源。 这些指标的真正目的是确保您的机器学习达到可用的标准。
开始使用
有几种不同的计算方法可以用来评估机器学习的可靠性。 您需要根据实际和预测的分类，了解机器学习的真阳性、假阳性、真阴性和假阴性。 您可以执行以下一些计算示例来实现此目的： 召回率（或灵敏度） - 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 - 模型做出的阳性预测的质量。 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收集到一个视图中，让所有人保持同步。
通过将数据嵌入到您的内部维基、网站和内容中，将您的数据带到任何需要的地方。
授权您的团队衡量自己的进度并探索实现目标的新途径。
没错，无需销售电话——只需注册，即可在 5 分钟内运行。
我们连接到最流行的生产数据库和数据仓库。
邀请您的团队开始构建仪表板——无需 SQL。
