了解机器学习的性能，包括如何衡量它，并利用 Metabase 在仪表板和可视化中展示它。
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进行预测、收集信息方面的效果如何，以及您的机器学习的特异性有多高。我们使用的机器学习几乎从不是 100% 准确的；要达到这样的准确度会消耗大量资源。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。您需要根据实际分类和预测分类来理解机器学习的真阳性、假阳性、真阴性和假阴性。您可以进行的一些计算示例包括：召回率（或灵敏度）- 模型做出正面预测的次数。准确率 - 模型在所有类别上的表现。精确率 - 模型做出正面预测的质量。对数损失 - 预测概率与其真实值接近的程度。
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。
