評估指標(Evaluation metrics)
MLlib支持常用的二元分類評估指標方法（在PySpark中不可用）。包括精度，召回率，F度量( F-measure)，接收者特徵操作曲線(receiver operating characteristic, ROC)，精度-召回率曲線以及曲面下面積( area under the curves, AUC)。AUC常用來比較不同模型的性能，精度/召回率/F度量用來決定閾值(threshold)時為預測指定恰當閾值。
MLlib支持常用的二元分類評估指標方法（在PySpark中不可用）。包括精度，召回率，F度量( F-measure)，接收者特徵操作曲線(receiver operating characteristic, ROC)，精度-召回率曲線以及曲面下面積( area under the curves, AUC)。AUC常用來比較不同模型的性能，精度/召回率/F度量用來決定閾值(threshold)時為預測指定恰當閾值。