分类评价指标
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?預測
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1? ? ? ? ? ? ? ? ? ? ? ? ? ? ?0
實際? ? ? ? ? ? 1? ? ? ? ? ? ? TP? ? ? ? ? ? ? ? ? ? ? ? ? FN
? ? ? ? ? ? ? ? ? ? 0? ? ? ? ? ? ? ?FP? ? ? ? ? ? ? ? ? ? ? ? TN
?
?
真正類率(True?Positive?Rate?,?TPR)【靈敏度(sensitivity)】:正樣本預測結果數/正樣本實際數,TPR?=?TP?/(TP?+?FN)
假負類率(False?Negative?Rate?,?FNR)?:即被預測為負的正樣本結果數/正樣本實際數,FNR?=?FN?/(TP?+?FN)?
假正類率(False?Positive?Rate?,?FPR)?:即被預測為正的負樣本結果數/負樣本實際數,FPR?=?FP?/(FP?+?TN)?
真負類率(True?Negative?Rate?,?TNR)【特指度(specificity)】:即負樣本預測結果數/負樣本實際數,TNR?=?TN?/(TN?+?FP)?
準確率(accuracy):預測對的占比,(TP+TN)/(P+N)
召回率(recall):實際1中占比,TP/(TP+FN)
精確率:預測1中占比,(precision)=TP/P【linkworld準確率】
F-Score:2*precision*recall/(precision+recall)
ROC曲線:橫坐標(FPR),縱坐標(TPR)
? ? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ? ? 點(0,1):FPR=0, TPR=1. -----> 完美分類器;
? ? ? ? ? ? ? ? ? 點(1,0):FPR=1, TPR=0. -----> 完全錯誤的分類器;
? ? ? ? ? ? ? ? ? 點(1,1):分類器預測所有的樣本都是正例;
? ? ? ? ? ? ? ? ? 點(0,0):分類器預測所有的樣本都是負例;
轉載于:https://www.cnblogs.com/hapyygril/p/9871856.html
創作挑戰賽新人創作獎勵來咯,堅持創作打卡瓜分現金大獎總結
- 上一篇: Qt多文件传输功能实现及方法概述
- 下一篇: [题解]Codeforces Round