atwdy的博客

理解混淆矩阵和ROC曲线之前，先明确几个概念。对于分类问题，不论是多分类还是二分类，对于某个关注类来说，都可以看成是二分类问题，当前的这个关注类为正类，所有其他非关注类为负类。从上面几个定义可以知道：1）样本总数 = TP+FP+TN+FN2）所有真实值为正类的样本总数 = TP+FN3）所有真实值为负类的样本总数 = TN+FP。

当有重复值时，一般采用平均顺序作为所有重复x值的顺序号，例如[1, 1, 1, 2, 3]，1的顺序编号为(1+2+3)/3，均为2。对应的顺序号为[2, 2, 2, 4, 5]，经过验证在pandas的corr方法中采用的就是平均顺序计算。皮尔逊系数的值域范围为[-1, 1]，不受量纲的影响。斯皮尔曼系数的计算和皮尔逊系数相同，唯一区别只是将皮尔逊系数中的原始值替换为了原始值所对应的秩（顺序编号）。方差用来衡量随机变量离其期望值的分散程度，标准差在方差的基础上消除了量纲的影响。