决策树模型分类准确度-tinyxml指南[中文]

图 19.12 决策树模型分类准确度 2. 模型评价 对于训练样本，神经网络和 CART 决策树的分类准确率相差不大，均达到 90%以上。 为了进一步评估模型分类的性能，故利用测试样本对两个模型进行评价，评价方法采用 ROC 曲线进行评估，一个优秀分类器所对应的 ROC 曲线应该是尽量靠近左上角。分别画出神经 网络和 CART 决策树在测试样本下的 ROC 曲线，见 19-13 和图 19-14。 图 19-13 神经网络在测试样本下的 ROC 曲线