机器学习评价

数据挖掘、机器学习和推荐系统中的评测指标—准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F值(F-Measure)

 

混淆矩阵

True Positive(真正,TP):将正类预测为正类数

True Negative(真负,TN):将负类预测为负类数

False Positive(假正,FP):将负类预测为正类数为误报 (Type I error)

False Negative(假负,FN):将正类预测为负类数为漏报 (Type II error)

 

1、准确率(Accuracy)

准确率(accuracy)计算公式为: 
这里写图片描述

总预测正确的数目与总预测的数目之比

2、精确率(Precision)

精确率(precision)定义为: 
这里写图片描述

表示被分为正例的示例中实际为正例的比例。

3、召回率(recall)

召回率是覆盖面的度量,度量有多个正例被分为正例

recall=TP/(TP+FN)

4、综合评价指标(F-Measure) 
P和R指标有时候会出现的矛盾的情况,这样就需要综合考虑他们,最常见的方法就是F-Measure(又称为F-Score)。 
F-Measure是Precision和Recall加权调和平均: 
这里写图片描述 
当参数α=1时,就是最常见的F1,也即 
这里写图片描述 
可知F1综合了P和R的结果,当F1较高时则能说明试验方法比较有效。

 

 

 

 

 

 

 

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