DW集成学习Task4

混淆矩阵(真阳性TP:预测值和真实值都为正例、假阴性FN:预测值为负例,真实值位正例、假阳性FP:预测值为正例,真实值为负例、真阴性TN:预测值和真实值都为负例)
分类模型的指标:

  • 准确率:分类正确的样本数占总样本的比例
    A C C = T P + T N F P + F N + T P + T N ACC=\frac{TP+TN}{FP+FN+TP+TN} ACC=FP+FN+TP+TNTP+TN
  • 精度:预测为正且分类正确的样本占预测值为正的比例
    P R E = T P T P + F P PRE=\frac{TP}{TP+FP} PRE=TP+FPTP
评论 1
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