机器学习中分类任务的评价指标

学会分类是凸显人类智慧的技能之一. 如何使得机器也具备分类能力, 这便是时下机器学习的内容之一. 垃圾邮件识别, 动植物种类判断都属于分类任务. 常见的机器学习分类算法有朴素贝叶斯, 支持向量机, 决策树, 随机森林等. 如何定量地去度量一个算法的好坏呢? 为此, 我们需要引入一些分类的评价指标. 常见的评价指标有: 准确率, 精准率, 召回率, 灵敏度, 特异度,F1-score, AUC等. 下面以二分类为例:

	阳性(客观)	阴性(客观)
阳性(预测)	TP(真阳性)	FP(假阳性)
阴性(预测)	FN(假阴性)	TN(真阴性)

表格中的数字表示数量, 记$N$为总体, $N=TP+FP+FN+TN.$

准确率Accuracy
预测正确的样本在总体中的占比. 这是最常用的分类评价指标之一. 但是它存在很多局限性,只关注了正确的样本.
$$Acc=\frac{TP+TN}{N}$$

精准率Precision
预测为阳性所有样本中真实为阳性的比例.
$$Pre=\frac{TP}{TP+FP}$$

召回率Recall(灵敏度)
所有真实阳性样本中预测为阳性的比例.
$$Re=\frac{TP}{TP+FN}$$

特异Specificity
所有真实阴性样本中预测为阴性的比例.
$$Spe=\frac{TN}{FP+TN}$$

PR曲线
PR曲线是纵坐标为Precision, 横坐标为Recall的一条曲线. 它的绘制过程如下:

样本	真实类别	分数	样本	真实类别	样本
1	p	0.9	11	p	0.4
2	p	0.8	12	n	0.39
3	n	0.7	13	p	0.38
4	p	0.6	14	n	0.37
5	p	0.55	15	n	0.36
6	p	0.54	16	n	0.35
7	n	0.53	17	p	0.34
8	n	0.52	18	n	0.33
9	p	0.51	19	p	0.3
10	n	0.505	20	n	0.1

p表示正例(阳性), n表示负例(阴性).

取一组阈值, 依次取一个阈值$t$, 如果分数$score>t$, 则认为该样本为正例, 反之为负例, 从而计算出对应的Pre和Re, 这样便可以获得一组数对 { P r e i , R e i } \{Pre_i, Re_i\} {Prei​,Rei​}. 根据这一组数对画出的曲线就是PR曲线.

F1-score
PR曲线判断模型不够定量，我们有更常用的F1值：
$$F1=\frac{2PR}{P+R}$$
可以看到F1值就是P和R值的调和平均值的2倍。

上述公式只是在二分类中，我们可以轻易扩展到多分类中。多分类中我们可以使用OneVsRest的策略，判断第$i$类的分类时，把不属于第$i$类的看做另一类，就能对每一类都算出一个$F_i$值了。使用宏平均(Macro)或者微平均(Micro)来考量多分类的效果。这两者方式计算出的结果有差异.
$$Macr{o}_{F1}=\frac{1}{N}\sum _{i=1}^N{F}_i,Micr{o}_{F1}=\frac{2{\sum }_{i=1}^N{P}_i{R}_i}{{\sum }_{i=1}^N(P_i+R_i)}$$

ROC曲线
ROC曲线的全称是“受试者曲线”，与PR曲线类似。它相比PR曲线能够在样本不均衡的条件下给出更加合理的结果。先看一下ROC的纵轴和横轴：纵轴是TPR，横轴是FPR，对应的计算方式是：
$$TPR=\frac{TP}{TP+FN},FPR=\frac{FP}{FP+TN}$$
ROC的绘制和PR曲线类似, 取一些阈值, 根据阈值计算出TPR和FPR, 阈值取的越多, 曲线越光滑.

ROC曲线落在[0,1]x[0,1]单位正方形区域中. 越靠近(0,1)表示表示的模型越好, 如何模型A的ROC曲线包住了模型B的ROC曲线, 说明模型A更好.

AUC值
AUC值就是ROC下方的面积. 值越大, 模型越好.