本文探讨了在倾斜类（正负样本不平衡）问题上，使用分类准确率作为评估指标的局限性，并介绍了在倾斜类中更为适用的查准率和召回率。通过癌症分类示例，说明了当正类数量极少时，模型可能过度预测负类，导致高准确率但不可信的结果。查准率定义为预测正类中真正例的比例，召回率则关注实际正类被正确预测的比例。
1、在倾斜类上使用分类准确率/或分类误差的问题。
如下面的癌症分类示例，当测试集上只有0.5%的病人是癌症患者时，我们使用训练好的模型可以在测试集上得到99%的准确率（1%的错误率），即模型预测大多数的患者是没有癌症的，明显这种测试结果是不可信的，因为正类的数量太少了，这种正负类示例不均衡的情况称之为倾斜类。
2、倾斜类的误差评估
当某个类的样本数量比较少的时候，我们评估模型就不能再使用分类准确率或者是错误率等指标。这个时候需要使用使用查准率和召回率这两个指标：
查准率的定义： P r e c i s i o n = T r u e p o s i t i v e p r e d i c t e d p o s i t i v e = T r u e p o s T r u e p o s + F a l s e p o s
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
