机器学习——评价标准

问题:在存在极度偏斜的数据中,应用分类准确度来评价分类算法的好坏是远远不够的。
eg:如果癌症的产生概率只有0.1%,那么系统只要预测所有人都是健康的就可以达到99.9%的准确率,因此虽然准确率很高,但是预测系统实际上没有发挥什么作用。

混淆矩阵

在这里插入图片描述

precision recall

召回率(recall):
r e c a l l = T P T P + F N recall=\frac{T P}{T P+F N} recall=TP+FNTP
精准率(precision):

p r e c i s i o n = T P T P + F P precision=\frac{TP}{T P+F P} precision=TP+FPTP
在这里插入图片描述

F1 Score

1 F 1 = 1 2 ( 1 precision + 1 recall ) \frac{1}{F 1}=\frac{1}{2}\left(\frac{1}{\text {precision}}+\frac{1}{\text {recall}}\right) F11=2

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值