最全模型效果评估报告上线，百度EasyDL助力模型效果快速优化

正文

请到「今天看啥」查看全文

目前，EasyDL 已有超过80万企业用户，在工业制造、安全生产、零售快消、智能硬件、文化教育、政府政务、交通物流、互联网等领域广泛落地。

在 EasyDL 完成模型开发后可以获得平台提供的各项详细的模型评估指标，以图像分类模型为例，除了整体的准确率之外，还可以看精确率、召回率、F1-score、TOP5 准确率等。

除了模型整体的指标之外，还可 以看每一项类别的 F 1-score 值，从而帮助开发者发现具体哪一类别的识别效果较差。

针对这些较差的类别，开发者可以有针对性地去看那些被预测错误的样本，也就是常说的 B adCase 。 开发者可以检查这些类别是否样本量过少，需要补充数据； 是否有脏数据存在，影响了模型学习。

在物体检测上也类似，整体指标上可以观测 mAP、最佳阈值下检测的精确率、召回率等。 因为检测模型会输出很多的检测框，而有相当一部分检测框的概率比较低，一般会设置一个阈值来过滤掉那些低概率的检测框。 通过设置不同的阈值，模型便会有不同的精确率、召回率和 F1-score。

在模型预测时，通常取 F1-score 最高的阈值当做最佳阈值，这样能够较好地平衡精确率和召回率，尽量减少漏检、错检等问题。

请到「今天看啥」查看全文