模式识别：分类器的性能评价

最近开始了模式识别的学习，对模式和模式类的概念有一个基本的了解，并使用MATLAB实现一些模式类的生成。而接下来如何对这些模式进行分类成为了学习的第二个重点。我们都知道，一个典型的模式识别系统是由特征提取和模式分类两个阶段组成的，而其中模式分类器(Classifier)的性能直接影响整个识别系统的性能。 因此有必要探讨一下如何评价分类器的性能，这是一个长期探索的过程。

一、敏感性和特异性

以下例子假定x是一个连续随机变量，对于类别状态 和 的x的概率密度函数如图所示：

这里假设先验概率已知，对于一个二分类问题，可以定义以下四个统计值：

可以将实例分成正类（Positive）或负类（Negative）。这样会出现四种分类结果：

TP（True Positive）：正确的正例，一个实例是正类并且也被判定成正类；