一种基于算法模型进行工业软件模型外推能力评估的方法

本发明公开了一种基于算法模型进行工业软件模型外推能力评估的方法，主要解决传统评估指标如准确率、召回率、精准率等在评估模型外推能力方面和评估不同算法模型之间的通用性的不足。该方法包括以下步骤：S1，获取待评估模型ModelEva、原始数据集D∈Rn×m、目标Y∈Rn，其中n代表数据总量，m代表特征总量；S2，使用准确率、召回率、精准率对模型进行初步评估；S3，使用基于算法模型的方法对工业软件模型外推能力进行深入评估。通过上述设计，本发明通过引入一种新型通用性评估指标(EA)，有效地弥补了传统评估指标如准确率、召回率、精准率等在评估模型外推能力方面的不足，且适用于评估多种算法模型，包括但不限于线性回归、随机森林回归、卷积神经网络、图神经网络、贝叶斯优化、深度神经网络。这种方法不仅能够评估模型在训练或验证数据集上的性能，更重要的是，它能够深入评估模型在未知数据或新领域上的表现能力，即模型的外推能力。