Essie2022-07-12 17:39:30

你好，error analysis主要是指通过混淆矩阵去计算查准率、查全率、准确率，F1 score这些指标对模型进行评估；AUC主要看的是曲线的面积，横纵轴是TPR和FPR。虽然TPR和查全率的计算方式是一样的，但是FPR不同于混淆矩阵上述4个指标的任何一种。所以虽然这两种方法都是和TP，FP这些相关，但是最终指标的形式有些不同。
另外bias error和variance error分别指由于模型拟合不佳而导致的样本内误差，以及由于过度拟合的模型不能很好地泛化而导致的样本外误差。variance error引入了样本外数据，只有在tuning调优模型的时候才会使用样本外数据。在评估模型性能时主要关注的是样本内数据所产生的误差，所以这两个error不包括在模型性能评估阶段。