正确率:TP/(TP+FP),表示预测为正例的样本中真正正例的比例。
召回率:TP/(TP+FN),表示预测为正例的真实正例占所有正例的比例。
AUC = 1,是完美分类器,采用这个预测模型时,不管设定什么阈值都能得出完美预测。绝大多数预测的场合,不存在完美分类器。(https://blog.csdn.net/qq_23664173/article/details/83010348)
0.5 < AUC < 1,优于随机猜测。这个分类器(模型)妥善设定阈值的话,能有预测价值。
AUC = 0.5,跟随机猜测一样,模型没有预测价值。
AUC < 0.5,比随机猜测还差;但只要总是反预测而行,就优于随机猜测。
---------------------
作者:-似曾相识燕归来
来源:CSDN
原文:https://blog.csdn.net/hzh_csdn/article/details/79421160
版权声明:本文为博主原创文章,转载请附上博文链接!