Skip to main content
AI EducademyAIEducademy
🌳

AI基础

🌱
AI 种子

面向现实世界的 AI 素养

🌿
AI 萌芽

智能系统背后的基础

🌳
AI 枝干

用当今的 AI 能力去构建

🏕️
AI 树冠

打造可靠的生成式 AI 系统

🌲
AI 森林

负责任地交付 AI 产品

🔨

AI精通

✏️
AI 草图

AI 构建者的工程基础

🪨
AI 雕刻

攻克更难问题的模式

⚒️
AI 匠心

设计可扩展 AI 的系统

💎
AI 打磨

在 AI 时代沟通与引领

🏆
AI 杰作

你的生产级 AI 毕业项目

🚀

职业准备

🚀
面试发射台

驾驭 AI 工程求职市场

🌟
行为面试精通

讲好你创造影响力的故事

💻
技术面试

在压力下解题、设计与沟通

🤖
AI与ML面试

备战现代 ML 与生成式 AI 面试

🏆
Offer与未来

做出自信而明智的下一步

查看所有学习计划→

实验室

已加载 7 个实验
🧠神经网络游乐场🤖AI 还是人类?💬提示实验室🎨图像生成器😊情感分析器💡聊天机器人构建器⚖️伦理模拟器
🎯模拟面试进入实验室→
学习旅程博客
🎯
关于

让AI教育触达每一个人、每一个角落

❓
常见问题

常见问题解答

🧰
AI 工具

我们使用并推荐的精选工具

✉️
联系

与我们取得联系

⭐
开源

在 GitHub 上公开构建

定价
立即开始
AI EducademyAIEducademy

© 2026 AI Educademy. 保留所有权利。

学习

  • 学习计划
  • 课程
  • 实验室
  • AI 入门工具包
  • 定价

社区

  • GitHub
  • 参与贡献
  • 行为准则
  • 关于
  • 常见问题

支持

  • 请我喝杯咖啡 ☕
  • 服务条款
  • 隐私政策
  • 联系我们
  • Sitemap
AI & 工程学习计划›🤖 AI与ML面试›课程›模型评估深入研究
📊
AI与ML面试 • 高级⏱️ 20 分钟阅读

模型评估深入研究

公开课程预览

掌握模型评估的指标、方法和权衡 - 这是区分 ML 工程师和 ML 从业者的主题。

课程体系
AI与ML面试
难度
高级
阅读时间
20 分钟阅读

学习目标

完成本课后,你将理解:

  • ✓🎯 分类指标:超越准确性
  • ✓📈 AUC-ROC 和 AUC-PR:全貌
  • ✓📐 回归指标
  • ✓🔄 交叉验证策略
  • ✓🌐 离线与在线评估

课程大纲

  1. 🎯 分类指标:超越准确性
  2. 精度、召回率和 F1
  3. 何时使用哪个
  4. 📈 AUC-ROC 和 AUC-PR:全貌
  5. ROC 曲线
  6. 精确率-召回率曲线
  7. 📐 回归指标
  8. 均方误差 (MSE)
  9. 平均绝对误差 (MAE)
  10. R²(决定系数)
  11. 🔄 交叉验证策略
  12. K 折交叉验证
  13. 分层 K 折
  14. 时间序列分割
  15. 🌐 离线与在线评估
  16. ML 模型的 A/B 测试
  17. ⚖️ 处理不平衡的数据集
  18. 🔑 要点

导入预览

“您的模型有 95% 的准确度 - 发货!”如果这句话没有立即让您感到不舒服,那么本课程正是您所需要的。模型评估是将“训练”模型的候选人与“部署”模型的候选人区分开来的面试主题。面试官探究评估知识,因为它揭示了你是否理解模型实际上在做什么 - 以及它是否应该被信任。 ---

使用 Pro 继续学习 模型评估深入研究

模型评估深入研究 属于 AI与ML面试

模型评估深入研究 是 AI与ML面试 的一部分。升级后可解锁完整课程、测验、进度跟踪和所有学院内容。

所有课程和路径
进度同步
证书
免费试用 Pro 7 天请先登录

7 天免费。随时取消,无需任何理由。