我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 評估模型準確性
<a name="evaluating-model-accuracy"></a>

ML 模型的目標是學習將未知資料妥善一般化的模式，而非僅是死記它在訓練期間看到的資料。您擁有模型後，請務必檢查模型對於您未用於訓練模型的未知範例，是否執行效果良好。若要進行此操作，您可以使用模型來預測評估資料集 (留存資料) 的答案，然後將預測目標與實際答案 (基底事實) 進行比較。

ML 使用許多指標來測量模型的預測準確性。準確性指標的選擇，取決於 ML 任務。請務必檢閱這些指標，來判斷您的模型是否執行效果良好。