1、最简单的分类性能指标就是错误率,即在所有测试样例中错分的样例比例。
2、在机器学习中有一个普遍适用的称为混淆矩阵的工具,它可以帮助人们更好地了解分类中的错误,比如一个三分类问题:
3、对于一个二分类,它的混淆矩阵比较简单:
在这个例子中,如果将一个正例预判为正例,则认为产生了一个真正例(True Positive:TP也称真阳),如果对一个反例预判为反例,则认为产生一个真反例(True Negative:TN,也称真阴),相应的另外两种情况分别称为伪反例(False Negative,FN,也称假阴)和伪正例(False Positive:FP,也称假阳)。
4、在分类中,当某个类别的重要性高于其他类别时,