了解回归 Open_Closed，包括如何衡量它，并在 Metabase 的仪表板和可视化中利用它。
回归开/关是一种机器学习模型评估方法，您可以将其可视化，以帮助深入了解回归模型的性能。您可以使用许多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。确定回归模型的准确性有点困难，因为回归模型的性质与其他类型的模型分类工作方式不同。 确定机器学习的准确性和完整性始终是一个好主意，因此对于回归模型执行此操作所需的额外步骤也不例外。 了解您的回归模型在准确性方面的表现如何可以帮助指导改进，只需记住机器学习很少 100% 准确，并且不要陷入过度工作的陷阱。那样做最终会浪费时间和精力。
开始使用
有几种不同的回归模型计算可以帮助确定准确性。 R 平方/调整后的 R 平方 - 解释回归模型可以解释的因变量的变异性。 均方误差 (MSE) - 有助于确定回归模型与因变量的拟合程度。 平均绝对误差 (MAE) - 另一种类似于 MSE 的计算，对大的预测误差给予更大的惩罚，而不是平等对待所有误差。 所有这些结合在一起可以帮助您更多地了解回归模型的运行情况。
通过将最重要的指标收集到单个视图中，让每个人都保持一致。
通过将数据嵌入到您的内部维基、网站和内容中，将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。
邀请您的团队并开始构建仪表板 — 无需 SQL。
