机器学习知识总结——模型评估标准之混淆矩阵

模型评估标准

混淆矩阵

	预测值=1	预测值=0
真实值=1	TP	FN
真实值=0	FP	TN

TP=True Postive=真阳性;FP=False Positive=假阳性

TN = True Negative=假阴性;FN=False Negative=假阴性

什么是查准率/精确率

$$Precision=\frac{TP}{TP+FP}$$

什么是查全率/召回率

$$Recall=\frac{TP}{TP+FN}$$

什么是准确率

$$Accuracy=\frac{TP+TN}{TP+TN+FP+FN}$$

什么是F1分数(F1-score)

F1分数可以理解为P和R的调和平均数
$$F1=2\frac{PR}{P+R}$$

什么是P-R曲线

P-R曲线就是准确率precision和召回率recall的曲线，以recall作为横坐标，precision作为纵坐标。

什么是ROC曲线和AUC值

ROC曲线是以假阳性率FPR为横坐标，真阳性率TPR为纵坐标
$$\begin{gathered} TPR=\frac{TP}{TP+FN} \\ FPR=\frac{FP}{FP+TN} \end{gathered}$$
AUC表示ROC曲线下的面积，主要用于衡量模型的泛化能力，即分类效果的好坏。

如有错误，欢迎指正。谢谢