瞭解機器學習效能，包括如何衡量，以及如何在 Metabase 的儀表板和視覺化中運用。
機器學習效能指標是一組指標，可告訴您各種分類效能指標。這些指標旨在識別機器學習在提出預測、收集資訊以及機器學習的特定程度方面表現如何。我們使用的機器學習幾乎永遠不是 100% 準確；要達到這種準確度水平需要耗費大量資源。這些指標的真正目的只是確保您的機器學習達到可用的標準。
開始使用
您可以使用幾種不同的計算來評估機器學習的可靠性。您需要根據實際和預測的分類，了解機器學習的真陽性、假陽性和假陰性。您可以執行的一些計算範例包括： 召回率（或靈敏度）- 模型做出陽性預測的次數。 準確度 - 模型在所有類別中的效能 精確度 - 模型做出的陽性預測品質。 對數損失 - 預測機率與其真實值的接近程度。
透過將您最重要的指標收集到單一視圖中，讓所有人都在同一頁面上。
透過將您的資料嵌入到您的內部 Wiki、網站和內容中，將您的資料傳送到任何需要的地方。
讓您的團隊能夠衡量自己的進度，並探索實現目標的新途徑。
沒錯，無需業務電話 — 只需註冊，即可在 5 分鐘內開始執行。
我們連線到最受歡迎的生產資料庫和資料倉儲。
邀請您的團隊並開始建立儀表板 — 無需 SQL。
