問1：準確率的侷限性。
當不同類別的樣本比例非常不均衡時，佔比大的類別往往成為影響準確率的最主要因素。
解決思路之一：每個類別下的樣本準確率的算術平均作為模型評估的指標。
問2：精確率與召回率的權衡。
精確率：指分類正確的正樣本個數佔分類器判定為正樣本的樣本個數的比例。
召回率：指分類正確的正樣本個數佔真正的正樣本個數的比例。
簡單解釋：精確率是「找出來的對的」佔「找出來的」多少，召回是「找出來對的」佔「所有對的」多少。
在排序問題中，通常沒有乙個確定的閾值把得到的結果直接判定為正樣本或負樣本，而是採用top n返回結果的precision值和recall值來衡量排序模型的效能。
精確和召回的拉扯：為了提高精確值，分類器需要盡量在【更有把握】時才把樣本**為正樣本，但此時往往會因為過於保守而漏掉很多【沒有把握】的正樣本，導致recall值降低。
更高階的評估指標來更全面地反映模型在precision值和recall值兩方面的表現？
不僅看模型在不同topn下的precision@n和recall@n，而且最好繪製出模型的p-r曲線。
對於乙個排序模型來說，其p-r曲線上的乙個點代表著，在某一閾值下，模型將大於該閾值的結果判定為正樣本，反之則為負樣本，此時返回結果對應的召回率和精確率。整條p-r曲線是通過將閾值從高到低移動而生成的。原點附近代表當閾值最大時模型精確率和召回率。（閾值越大，越有把握把正樣本選出來，精確率就越高，所以一般p-r曲線呈下降趨勢）
通過p-r曲線可以對不同模型進行更為全面的評估。
除此之外，還有f1 score和roc曲線，也能綜合反映乙個排序模型的效能。
f1 score是精準率和召回率的調和平均值。
問3：平方根誤差的特點
rmse能夠很好地反映回歸模型**值與真實值的偏離程度。但是，如果存在個別偏離程度非常大的離群點時，即使離群點數量非常小，也會讓rmse指標變得很差。
針對這種現象，解決方案有三。第一，資料預處理過濾掉屬於噪點聲的離群點；第二，進一步提高模型的**能力，將離群點產生的機制建模進去；第三，找乙個更合適的指標評估模型，比如 平均絕對百分比誤差（mape）：相當於把每個點的誤差進行了歸一化，降低了個別離群點帶來的絕對誤差的影響。
建議：通過一組互補的指標去評估模型，能更好的發現並解決模型存在的問題。
線性模型的侷限性
1.線性模型的侷限性 1 1.線性模型的定義 假設乙個模型的輸出y和輸入xi滿足如下關係，則這個模型就是線性 模型。當模型的輸入只有乙個的時候，x和y形成了二維座標系上的一條直線。當模型的輸入為n個的時候，x和y形成了n 1維空間中的乙個平面。1 2.線性模型的特點 任意線性模型的組合任然是線性模型...
SQLite的侷限性
sql 92特性方面 正如前面提到的，sqlite不支援sql 92的在很多企業資料庫系統中可用的一些特性。如 外來鍵約束 可解析的，但非強制 很多alter table特性 一些trigger相關的特性 right和full outer join 更新乙個view grant和revoke 你可以...
SQLite的侷限性
sqlite和其他大部分現代sql資料庫在基本設計目標上是不同的，它的目標是簡單。sqlite遵循這一目標，即使這樣偶爾會導致某些特性實現的低效化。下面列舉了sqlite的一些缺陷 sql 92特性方面 正如前面提到的，sqlite不支援sql 92的在很多企業資料庫系統中可用的一些特性。如 外來鍵...