神经网络性能评价指标

神经网络性能评价指标

对于一个好不容易训练出来的模型，我们需要用数学工具直观的了解它的性能好坏。

先来了解混淆矩阵

一.混淆矩阵

首先，所有的样本（数据）中，可以被分为正样本和负样本。

其次，我们在对样本进行分类的时候也会分出正样本和负样本，但我们的判断是有错误的，故存在以下情况：

True Positive(真正，TP)：将正样本预测为正样本

True Negative(真负，TN)：将负样本预测为负样本

False Positive(假正，FP)：将负样本预测为正样本

False Negative(假负，FN)：将正样本预测为负样本

所以，P为正样本，N为负样本，就有以下关系：
$$\begin{gathered} TP+FN=P \\ FP+TN=N \end{gathered}$$
根据混淆矩阵提供的概念，我们可以延伸出准确率（Accuracy）， 错误率（Error rate）， 灵敏度（sensitive） ，特效度（sensitive） ， 精确率、精度（Precision）， 召回率（recall） ，综合评价指标（F-Measure） 。这些指标是评价网络的基础要素。

1、准确率（Accuracy）

首先，它的计算公式：
$$ACC=\frac{TP+TN}{P+N}$$