ROC曲线
对于两类分类任务,y的值可以为1或0,为1时称为正样本(positive),在医学上称为阳,为0时称为负样本(False),在医学上称为阴。
TP:y的值为1,y^为1,预测值和真值都为1,称为true positive
TN:y的值为0,y^为0,预测值和真值都为0,称为true negtive
FP:y的值为0,y^为1,预测值为1,,真值为0,称为false positive
FN:y的值为1,y^为0,预测值为0,真值都为1,称为false negtive
N+:总样本中正样本的数目
N-:总样本中负样本的数目
N+^:预测结果中有多少预测为正样本的数目
N-^:预测结果中有多少预测为负样本的数目
Precison=TP/N+^, 精度、准确率:预测结果为真的样本中真正为真的比例
TPR/Recall=TP/N+ 召回率:预测结果召回了多少真正的真样本
真阳率:有多少真正的正样本被预测为真。