1.混淆矩阵
2.准确率(Accuracy)
准确率是分类正确的样本占总样本个数的比例
Accuracy = (TP + TN) / (TP + FP + TN + FN)
3.精确率(Precision)
精确率指模型预测为正的样本中实际也为正的样本占被预测为正的样本的比例
Precision = TP / (TP + FP)
4.召回率(Recall)
召回率指实际为正的样本中被预测为正的样本所占实际为正的样本的比例。
Recall = TP / (TP + FN)
5.F1 score
F1 score是精确率和召回率的调和平均值
F1 = 1 / (0.5 / Precision + 0.5 / Recall)
6.ROC曲线(Receiver Operating Characteristic Curve)
坐标系中纵轴为 TPR(真阳率/命中率/召回率)最大值为 1,横轴为 FPR(假阳率/误判率)最大值为 1,虚线为基准线(最低标准),蓝色的曲线就是 ROC 曲线。
其中 ROC 曲线距离基准线越远,则说明该模型的预测效果越好。
TPR: True positive rate; FPR: False positive rate
-
ROC 曲线接近左上角:模型预测准确率很高
-
ROC 曲线略高于基准线:模型预测准确率一般
-
ROC 低于基准线:模型未达到最低标准,无法使用