性能度量是用于衡量模型泛化能力的评价标准，其被用于判定机器学习结果的好坏程度。

在比对不同模型能力时，使用不同的性能度量会导致不同的评判结果，判断模型的好坏是相对的，其取决于采用什么性能度量，而性能度量类型则取决于实际的任务需求。

常用性能度量

• 回归任务中的性能度量：均方差
• 分类任务中的性能度量：错误率和精度；查准率、查全率和 F1 度量；受试者工作特征曲线 ROC 和 AUC (Area under ROC Curve)；代价敏感错误率和代价曲线。