【ML】Confusion Matrix, True/False x Pos/Neg, Precision-Recall, F1/F-beta/G Score, etc

Backto ML Index

用于分类结果的量化评价, 首先, 4 个 值, [True False] * [Positive Negative],

这四个类别的划分, 要从后往前看, 先区分分类的结果是 Positive or Negative, 之后, 再与 Ground Truth 做对比, 一致的前面加 True, 否则加 False.

分类的结果统计一下, 可以构成 Confusion Matrix

然后在 TP, TN, FP, FN 这四个类别的基础上, 衍生出来一大批的专门术语, 没办法, 因为 classification 问题太广泛太基础, 被研究的太精细了.

更多的, 更详细的, 去下面的 wiki 中找吧.

PR曲线

• Recall, 召回率, 顾名思义, 就是在初始样本中有多少TP被 recall 了, $Recall=\frac{}{P}$