# 了解模型审查概念

在开始分析训练结果之前，对模型指标有一个基本的了解可能会有所帮助。

可用的模型指标大致可分为两类：模型得分和特性重要性指标。在审查模型时，应分析这两种指标。

每种可用算法训练模型的方式也存在差异。

## 模型分数

模型分数表明模型预测的准确性。

[解释模型分数](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/scoring-models.htm)

## 特征重要性

从技术上讲，特性重要性不是模型分数，但它应该与模型分数结合使用，以评估模型质量并诊断潜在问题。特性重要性还提供了对影响数据趋势的关键驱动因素的见解。

[了解特性重要性](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-importance.htm)

## 算法

某些算法最适合特定的问题类型。每种算法都有其优缺点，在审查模型时应该考虑这些优缺点。

[理解模型算法](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/algorithms.htm)