一、混淆矩阵 二、错误率、正确率 三、精确度、召回率 四、F1值 五、P-R曲线 六、ROC曲线
参考:https://www.jianshu.com/p/82903edb58dc //这篇文章写的不错,除了F1值那个地方有错误。 https://www.cnblogs.com/gczr/p/10137063.html //ROC和PR怎么选择 https://www.cnblogs.com/xuexuefirst/p/8858274.html 西瓜书
评价一个二分类模型好坏,可以使用以下指标: 1. 错误率(正确率) 2. 精确度 3. 召回率 4. F1值 5. P-R曲线 6. ROC曲线
一、混淆矩阵
二、正确 |
混淆矩阵、错误率、正确率、精确度、召回率、F1值、PR曲线、ROC曲线、AUC
最新推荐文章于 2023-04-14 08:51:32 发布
本文深入探讨了机器学习中常用的评估指标,包括混淆矩阵、错误率、正确率、精确度、召回率、F1值。同时,介绍了PR曲线、ROC曲线及其对应的AUC,帮助读者全面理解模型性能的衡量方法。
摘要由CSDN通过智能技术生成