格式
找一个格式还不错的报告参考一下
常用评价指标
分类模型
混淆矩阵
就是二分类,真值正负类和预测结果的正负类。两两组合。就有四种情况。TP/TN/FP/FN
算出来 准确率、召回率、精准率、
准确率(反映分类器统对整个样本的判定能力,能将正的判定为正,负的判定为负):
Accuracy=(TP+TN) / (TP+FP+TN+FN)
召回率(预测对的正例数占真正的正例数的比率):
Recall=TP / (TP+FN)
精准率(预测正确的正例数占预测为正例总量的比率):
Precision=TP / (TP+FP)
F1值
一般用F1值衡量分类模型性能,尽可能使召回和准确率都大,达到一个理想平衡。
F1 Score=(2RecallAccuracy) / (Recall+Accuracy)
AUC曲线
AUC(Area Under the ROC Curve)指标在模型评估阶段常被用作最重要的评估指标来衡量模型的准确性,横坐标为其中随机分类的模型AUC为0.5,所以模型的AUC基线值大于0.5才有意义。
ROC曲线
ROC曲线说明:
Sensitivity=正确预测到的正例数/实际正