下图是一个二分类问题的混淆矩阵:
预测结果 | 预测结果 | ||
---|---|---|---|
+1 | -1 | ||
真实结果 | +1 | 真正例(TP) | 伪反例(FN) |
真实结果 | -1 | 伪正例(FP) | 真反例(TN) |
正确率:TP/(TP+FP),表示预测为正例的样本中真正正例的比例。
召回率:TP/(TP+FN),表示预测为正例的真实正例占所有正例的比例。
参考文献:
[1] 哈林顿李锐. 机器学习实战 : Machine learning in action[M]. 人民邮电出版社, 2013.
下图是一个二分类问题的混淆矩阵:
预测结果 | 预测结果 | ||
---|---|---|---|
+1 | -1 | ||
真实结果 | +1 | 真正例(TP) | 伪反例(FN) |
真实结果 | -1 | 伪正例(FP) | 真反例(TN) |
正确率:TP/(TP+FP),表示预测为正例的样本中真正正例的比例。
召回率:TP/(TP+FN),表示预测为正例的真实正例占所有正例的比例。
参考文献:
[1] 哈林顿李锐. 机器学习实战 : Machine learning in action[M]. 人民邮电出版社, 2013.