首先来看一个直观的例子:在信息检索中,我们经常会关心“检索出的信息中有多少比例是用户感兴趣的”和“用户感兴趣的信息中有多少被检索出来了”
对于二分类问题,可将样例根据其真实类别与学习器预测类别的组合划分为真正例(true positive)、假正例(false positive)、真反例(true negative)、假反例(false negative)四种情形。样例总数=TP+FP+TN+FN,分类结果
首先来看一个直观的例子:在信息检索中,我们经常会关心“检索出的信息中有多少比例是用户感兴趣的”和“用户感兴趣的信息中有多少被检索出来了”
对于二分类问题,可将样例根据其真实类别与学习器预测类别的组合划分为真正例(true positive)、假正例(false positive)、真反例(true negative)、假反例(false negative)四种情形。样例总数=TP+FP+TN+FN,分类结果