怎么验证模型训练的效果

我们提供了“评估”节点，可以按需求灵活地评估模型的表现。根据模型训练的目标不同，分为“二分类评估”，“多分类评估”，“回归评估”和“聚类评估”，可以在画布左侧菜单的“机器学习”-“评估”中找到。
下面以一个二分类任务来演示如何创建评估流程。

首先，在训练开始前，除了训练数据之外，需要额外准备一份用于评估的数据，或是使用“数据处理”里的“分割”节点，从训练数据中保留出一部分。
之后，在下游接预测算子，用训练出的模型去预测这份评估数据（除了直接连接训练节点输出之外，也可以使用左侧菜单“已训练模型”的模型做预测）。
最后，将预测结果输出给“二分类评估”算子。该算子中，会将真实标签和预测标签做对比，计算出一系列的评估结果。

如图是“二分类评估”的编辑界面，其中要配置三个项目：“原始标签列”对应真实的标签字段，“预测结果列”对应预测出的标签字段（一般默认名称为"classes"），“预测分数列”是预测结果中的置信度字段（默认名称为"probability"）。

执行完成后，可以在“二分类评估”节点中看到评估分数，评估结果也会同步更新到相应的模型信息里。
二分类评估结果包含 AUC、PR-AUC 等分数，也包括混淆矩阵、PR 曲线等可视化的展示。
多分类评估结果包括各类的 Precison、Recall 值，整体的准确率等评分，及混淆矩阵的展示。
回归评估结果包含了 R^2、MSE、MAE 等评分，聚类评估包括轮廓系数等评分。