3.ROC，准确率、召回率

ROC曲线一般用于分类问题，衡量分类模型好坏的一个指标

首先对样本进行如下划分

	预测真	预测假
实际真	TP（True Positive）	FN(False Negative)
实际假	FP(False Positive)	TN(True Negative)

 

概念一：真正类率 (true positive rate ,TPR)  TPR = TP/(TP+FN)

概念二：负正类率（false positive rate, FPR）FPR=FP/(FP+TN)

ROC横坐标是FPR，纵坐标是TPR

延伸一：ROC与横坐标组成的面积为AUC，AUC越大说明模型性能越好

 

精确率定义为： 


                       

准确率描述的是预测为真的样本中实际为真的概率

召回率定义为： 


                       

召回率定义为实际为真的样本中预测为真的概率

 

若要求提高准确率，不在意召回率的时候，我们可以减少召回的数量，极端情况，只召回一个我们认为最为可能的物料，如果实际为真那么准确率就是100%