對於迴歸問題，一般採用均方誤差驗證。

        對於分類問題，首先要明確兩個概念：查準率和查全率。資料可以分成四種類別：真正例TP、真反例TN、假正例FP、假反例FN。TP是指預測結果是正例，實際也是正例的資料；TN指預測結果是反例，實際也是反例的資料；FP是指預測結果是正例，實際是反例的資料；FN指預測結果是反例，實際是正例的資料。它們可以構成一個混淆矩陣。查準率表示在所有預測為正例/反例的資料中實際也是正例/反例的資料的比例，舉例像晚上我們買了幾個西瓜，買的時候覺得它們都很甜，拿回去切開後才發現有幾個還沒熟。查全率表示在實際是正例/反例的資料中預測為正例/反例的比例，就好比瓜農拿了幾個好瓜給我們，我們覺得有幾個瓜比較甜，實際上全都很甜。查準率和查全率是比較矛盾的兩個指標，一方較大那麼另一方往往會較小。

        P-R曲線可以用來評估兩個學習器的效果好壞，它以查準率為橫軸、查全率為縱軸。如果一條學習器的曲線能完全包住另一條曲線，那麼前者的效果比後者好。如果兩條曲線有交叉，那麼平衡點離兩個座標軸較遠的學習器效果較好。

        f1指標是查準率和查全率的調和平均值，它兼顧考慮了兩個量。

        對於roc曲線而言，如果一個學習器的曲線能夠完全包住另一條曲線，那麼前者的效果好於後者，這和P-R曲線相同。當兩條曲線有交叉時也考慮曲線與座標軸的面積，大者較好，auc就是表示roc曲線與座標軸面積的量。