从Weka工具跑回归模型可以看到评估的输出,怎么解读自行脑补过,大概明白了些。
翠花,上截图!
我们普通人最直接的理解是正确率吧。应该对应到Correctly Classified Instances比例(正确分类了的实例)。
在上图中,总实例数1000,正确分类了963,*正确率*96.3% 。
TP、FP、FN、TN
但一两个数往往说明不了问题,专业人士们,会看真的、被分对、真的、被分错、假的、被分错、假的、被分对各是什么情况。
专业人士说用TP、FN、FP、TN来表示……
- TP:True Positive,“真阳性”。
- FP:False Positive,“假阳性”。
- FN:False Negative,“假阴性”。
- TN:True Negative,“真阴性”。
老外发明的标记法,跟我们东方人思维不一样,太混淆了,对比了N篇博客和翻译之后,我觉得可以这样理解:
“T”表示判定对了,“F”表示判定错了
“P”表示有事(即“命中”、“对应上”),“N”表示没事
于是:
- TP:正确地判定了“命中”
- FP:错误地判定了“命中”