3.5 模型评估
在上一节，我们完成了模型估计任务。现在，对我们来讲是时候评估模型是否满足模型质量标准，以决定我们进行下一步的结果解释还是回到前面的阶段改善模型。
本节，我们将使用均方根误差（Root-Mean-Square Error，RMSE）和受试者工作特征（Receiver Operating Characteristic，ROC）曲线来评估我们模型的质量。计算RMSE和ROC曲线，我们需要使用测试数据而不是训练数据来评估模型。
3.5.1 快速评价
很多软件包为用户提供一些算法来快速评估模型。例如，在MLlib和R语言中，逻辑回归模型都提供混淆矩阵和误报数计算。
具体来讲，MLlib为我们提供confusionMatrix 和numFalseNegatives()这两个函数和一些算法来快速计算MES，如下所示：
此外，R语言为我们提供confusion.matrix函数。在R语言中，有很多工具能进行快速的图形绘制，用以快速地评估一个模型。
例如，我们可以绘制预测值和实际值，以及预测值的残差。
直观地说，比较预测值与实际值的方法是最容易的理解方法，并给了我们一个快速的模型评价。下面是为公司某一个产品计算的混淆矩阵，它显示了模型的合理性。详见右边的表格。
3.5.2 RMSE
在MLlib中，我们使用下面的代码计算RMSE：
除了上面的代码，MLlib的RegressionMetrics和RankingMetrics类中也为我们提供了一些用于计算RMSE的函数。
在R语言中，我们通过下面的代码计算RMSE：
在此之前，我们需要执行下面的命令来得到预测值：
所有估计模型的RMSE值计算完毕之后，我们将对它们进行比较，以评估线性回归模型、逻辑回归模型和决策树模型。在本例中，线性回归模型结果最优。
然后，我们对全部产品比较了RMSE值，并对一些产品的模型进行了优化提升。
关于获得RMSE值的其他例子，请访问：http://www.cakesolutions.net/teamblogs/spark-mllib-linear-regression-example-and-vocabulary。
3.5.3 ROC曲线
作为例子，我们将计算逻辑回归模型的ROC曲线。
在MLlib中，我们将估计的模型用在测试数据上，在得到了测试标签之后，我们就可以使用metrics.areaUnderROC()函数来计算ROC曲线。
更多关于使用MLlib计算ROC曲线的信息，请访问：http://web.cs.ucla.edu/ ~mtgarip/linear.html。
在R语言中，我们使用pROC包，执行下面的代码计算和绘制ROC曲线：
正如前面讨论的，计算了ROC曲线之后，我们就可以用它们在全部产品上比较逻辑回归和决策树模型。本例中，逻辑回归模型的表现优于决策树模型：
