在一个机场检测恐怖分子的模型中,恐怖分子被认为是正例,非恐怖分子被认为是反例。
true代表的是正确分类,positive代表正例。反之,false代表错误分类,negative代表反例。
那么,TP代表的就是被正确判断的恐怖分子,TN代表被正确分类的普通人;FP代表被误认为恐怖分子的普通人,FN代表被误认普通人的恐怖分子。
FP可以理解为虚警率,FN可理解为漏警率。
召回率=
T
P
/
(
T
P
+
F
N
)
TP/(TP+FN)
TP/(TP+FN)
意思就是说,我预测了TP+FN个恐怖分子,但只有TP个是真的恐怖分子。
这在不平衡的分类中是一个重要的指标。
精确率的公式=
T
P
/
(
T
P
+
F
P
)
TP/(TP+FP)
TP/(TP+FP)
一共有TP+FP个人,我正确识别了TP个恐怖分子。
召回率:15个恐怖分子,我预测出来了5个,剩下10个没有预测出来
精确率:我预测的13个人中,真正是恐怖分子只有5个,剩下8个是普通人。