准确度、精确度、召回度、F1分数、ROC曲线、AUC值
发布时间
阅读量：
阅读量
一、TP、TN、FP、FN概念
混淆矩阵描述TP、TN、FP、FN。
混淆矩阵
| 正类（predict label） | 负类（predict label） | |
|---|---|---|
| 正类（label） | True Positives（TP ，正类判定为正类。） | False Positives（FP ，负类判定为正类，即“存伪”。） |
| 负类（label） | False Negatives（FN ，正类判定为负类，即“去真”。） | True Negatives（TN ，负类判定为负类。） |
二、准确率、精确率（精准率）、召回率、F1值
准确率（Accuracy）基于名称的意义上讲就是所有被正确分类的对象（正类和负类对象）在整体样本中的比例
精确度（Precision）与召回率亦即准确率（Recall）。被正确识别为阳性案例的比例是被所有系统认为属于阳性类别案例中的占比情况。亦即，在总共有多少被标记为阳性的情况下，在这之中有多少是真实的阳性的案例。
全部评论 (0)
还没有任何评论哟~