不平衡分类问题

TP / TN / FP / FN

Accuracy: 准确率

Precision / Recall: 精确率和召回率

ROC / AUC: 假阳性率和真阳性率,ROC曲线与x轴围成图形的面积可以作为一个综合衡量的指标,即AUC (area under curve),AUC越大,曲线就越凸,分类器的效果也就越好。ROC曲线反映了分类器对正例的覆盖能力和对负例的覆盖能力之间的权衡。

AP / MAP: average precision与mean average precision。PR曲线反映了分类器对正例的识别准确程度和对正例的覆盖能力之间的权衡。与AUC相似,AP就是PR曲线与x轴围成图形的面积。此外,还需要引入MAP,MAP是不同类别AP的平均。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值