Tag: Model Evaluation

Accuracy 容易理解，但在不平衡、排序或代价敏感任务中经常不够。

模型选择是有纪律地在多个模型之间做选择，同时避免欺骗自己。

模型为什么会学到噪声，验证曲线如何暴露它，正则化如何控制它。

为什么预处理应该放进验证 pipeline，而不是在划分前对全数据提前处理。

如何划分训练集、验证集和测试集，才能让模型评估保持诚实。

统计不是公式集合，而是帮助我们理解 AI 实验不确定性、证据强度和模型评估可信度的思维工具。