# Concepten van modelevaluatie begrijpen

Het kan handig zijn om een basisbegrip van modelstatistieken te hebben voordat u start met het analyseren van uw trainingsresultaten.

De beschikbare modelstatistieken kunnen grofweg in twee typen worden verdeeld: modelscores en statistieken over functie-urgentie. Beide typen moeten geanalyseerd worden tijdens de evaluatie van uw modellen.

Er zijn ook verschillen tussen de manier waarop elk beschikbaar algoritme uw modellen traint.

## Modelscores

Modelscores geven de nauwkeurigheid weer van de voorspellingen van het model.

[Modelscores interpreteren](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/scoring-models.htm)

## Belang van kenmerk

Functie-urgentie is technisch gezien geen modelscore, maar het moet in combinatie met modelscores worden gebruikt om de modelkwaliteit te beoordelen en om mogelijke problemen te diagnosticeren. Functie-urgentie biedt ook belangrijke inzichten in factoren die van invloed zijn op trends binnen de gegevens.

[Functie-urgentie begrijpen](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-importance.htm)

## Algoritmen

Bepaalde algoritmen werken het beste voor specifieke typen problemen. Elk algoritme heeft zijn sterke en zwakke kanten, die bij de evaluatie van modellen in overweging genomen moeten worden.

[Modelalgoritmen begrijpen](https://help.qlik.com/nl-NL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/algorithms.htm)