评测指标Accuracy、Precision、Recall、F1以及AUC值、ROC曲线

准确率、精确率、召回率、F1值、ROC/AUC整理笔记

https://blog.csdn.net/u013063099/article/details/80964865

 

预测坏     实际坏 —— TP

预测坏     实际好 —— FP

预测好     实际坏 —— FN

预测好     实际好 —— TN

 

对转载博文进行总结,主要方便对这些评测标准理解:

1、准确率(Accuracy):

Accuracy=\frac{TP+TN}{TP+TN+FP+FN}

2、精确率(Precision):

Precision=\frac{TP}{TP+FP}

3、召回率(Recall):

Recall=\frac{TP}{TP+FN}

4、F1:精确率和召回率的调和均值

F1=\frac{2TP}{2TP+FP+FN}

5、ROC曲线(receiver operating characteristic curve)

敏感性和特异性连续变量的综合指标,一般处于y=x直线上方。

横坐标:趋近于0最好                                       纵坐标:趋近于1最好

FPR=\frac{FP}{FP+TN}                                     TPR=\frac{TP}{TP+FN}

6、AUC值

ROC曲线下的面积,取值范围[ 0.5 , 1 ],AUC更大的分类器效果更好。

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