1. 前言
众所周知,针对于不同机器学习问题,评估指标决定了我们如何衡量模型的好坏。在机器学习中,
分类模型常见的评估指标有:准确率(Accuracy)、精准率(Precision)、召回率(Recall)、F1-score、ROC曲线、AUC值。
回归模型常见的评估指标有:MAE、MSE。
下面主要介绍:
- 二分类模型的常见指标
- 多分类模型的常见指标
2. 二分类模型的常见指标
在二分类问题中,假设高该样本一共有两种类别:Positive和Negative。当分类器预测结束,我们可以制造出混淆矩阵(confusion matrix)。其中分类结果为如下几种:
- True Positive (TP): 把正样本成功预测为正。
- True Negative (TN): 把负样本成功预测为负。
- False Positive (FP): 把负样本错误地预测为正。
- False Negative (FN): 把正样本错误地预测为负。
在二分类模型中,