机器学习实战笔记-2-7非均衡分类问题

混淆矩阵

预测结果 真实结果	+1(正例)	-1(反例)
+1	真正例(TP)	伪反例(FN)
-1	伪正例(FP)	真反例(TN)

正确率=TP/(TP+FP)

召回率=TP/(TP+FN)

假阳率=FP/(FP+TN)

真阳率=TP/(TP+FN)

ROC曲线是真阳率-假阳率的曲线，ROC曲线越在左上角越好。

基于代价函数的分类器控制

预测结果 真实结果	+1(正例)	-1(反例)
+1	真正例(TP)-正确收益	伪反例(FN)-错误代价
-1	伪正例(FP)-错误代价	真反例(TN)-正确收益

转载于:https://www.cnblogs.com/charleechan/p/11434706.html