混淆矩阵：
准确率：
T
P
+
T
N
T
P
+
T
N
+
F
P
+
F
N
\frac{TP+TN}{TP+TN+FP+FN}
TP+TN+FP+FNTP+TN
精确率：
p
r
e
c
i
s
i
o
n
=
T
P
T
P
+
F
P
precision=\frac{TP}{TP+FP}
precision=TP+FPTP
召回率(灵敏度)：
r
e
c
a
l
l
=
T
P
T
P
+
F
N
recall=\frac{TP}{TP+FN}
recall=TP+FNTP
特异度：
s
p
e
c
i
f
i
c
i
t
y
=
T
N
T
N
+
F
P
specificity=\frac{TN}{TN+FP}
specificity=TN+FPTN
1
F
1
=
1
p
r
e
c
i
s
i
o
n
+
1
r
e
c
a
l
l
2
\frac{1}{F1}=\frac{\frac{1}{precision}+\frac{1}{recall}}{2}
F11=2precision1+recall1
ROC曲线与AUC值
Roc曲线是由不同阈值下的假正率（横轴）、真正率（纵轴）连接成的曲线。该曲线下的面积为AUC值，取值范围在0.5到1之间，是一个概率值，表示随机选择一个正样本与一个负样本，在该预测模型下正样本预测概率大于负样本预测概率的概率。
PR曲线
PR曲线是由不同阈值下的精确率（横轴）、召回率（纵轴）连接成的曲线。适合正负样本极度不均匀的情况。
1811
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
