如果将一个正例判断为正例,称为真正例(TP),类似的,将一个反例判断为反例,称为真反例(TN),将一个正例判断为反例,称为伪反例(FN),将一个反例判断为正例,即伪正例(FP);
1、正确率P是指判断为正确的样本中,实际为正确样本的个数:
P=TP/(TP+FP)
2、召回率R是指所有正例样本中预测为正例样本的比例:
R=TP/(TP+FN)
我们要构造一个同时使正确率和召回率最大的分类器是具有挑战性的。
3、ROC曲线也可以用来比较不同分类器的性能
ROC曲线的横坐标为假正例率=FP/(FP+TN) ,如果这个