训练机器学习模型以预测二元结果（如欺诈与否、流失与留存、疾病与健康）后，数据科学家面临的关键问题是模型的有效性。评估是解决这一问题的关键。然而，许多人在评估时仅停留在准确率上，草率宣布成功并投入生产，结果导致模型在实际应用中表现不佳，因为忽视了数据或用例中的重要因素。该指南提供了全面的评估工具，包括各种指标、曲线及其背后的思考，帮助读者明确应该测量什么及其原因。...