了解回归 Open_Closed，包括如何衡量它，并在 Metabase 中利用它在仪表板和可视化中。
回归模型开放/关闭是机器学习模型评估的一种方法，您可以将其可视化以深入了解回归模型的性能。您可以使用大量指标来确定模型的可靠性，但回归模型需要特定的指标才能获得准确的结果。由于回归模型与其他类型的模型分类工作的性质不同，因此确定回归模型的准确性要困难一些。了解机器学习的准确性和完整性始终是一个好主意，因此对于回归模型来说，采取额外的步骤也不例外。查看您的回归模型在准确性方面的表现可以帮助指导改进，但请记住，机器学习很少达到100%的准确率，不要陷入过度工作的陷阱。这样您会浪费时间和精力。
开始使用
有几个不同的回归模型计算方法可以帮助确定准确性。R平方/调整R平方 - 解释了回归模型可以解释多少因变量的变异性。均方误差(MSE) - 用来确定回归模型与因变量拟合的程度。平均绝对误差(MAE) - 与MSE类似的另一种计算，对大的预测误差给予更大的惩罚，而不是对所有误差一视同仁。所有这些指标加在一起可以帮助您更好地了解您的回归模型工作得如何。
通过将您最重要的指标收集到一个单独的视图中，使每个人都保持一致。
通过在内部维基、网站和内容中嵌入数据，将您的数据带到任何需要的地方。
赋予您的团队能够衡量自己进度并探索实现目标的新途径的权力。
没错，无需销售电话——只需注册，5分钟内即可开始运行。
我们连接到最受欢迎的生产数据库和数据仓库。
邀请您的团队并开始构建仪表板——无需SQL。
