我想了解用于评估算法准确性/优劣的各种技术和指标，以及如何使用给定的指标来得出关于机器学习模型的结论。

一种方法是使用精确度和召回率，如维基百科中所定义。另一种方法是使用准确率指标，如这里所解释的。因此，我想知道是否还有其他用于评估机器学习模型的指标？

回答：

我之前整理了一份用于评估分类和回归算法的指标列表，形式为速查表。一些用于分类的指标包括：精确度、召回率、敏感性、特异性、F-measure、Matthews相关系数等。这些都基于混淆矩阵。对于回归（连续输出变量）也存在其他指标。

技术主要是运行算法在一些数据上得到一个模型，然后将该模型应用于新的、之前未见过的数据，并在该数据集上评估指标，并重复这一过程。

一些技术（实际上是来自统计学的重抽样技术）：

• Jacknife
• 交叉验证
• K折验证
• 自助法。