1 混淆矩阵
预测为真 | 预测为假 | |
类别为真 | 正确预测成真(True Positive,TP) | 错误预测为假(False Nagetive,FN) |
类别为假 | 错误预测为真(False Positive,FP) | 正确预测为假(True Nagetive,TN) |
2准确率、精确率、召回率、F1 score
准确率:模型预测正确的个数所占总样本的比例
精确率:模型预测为真的样本中,真正的正样本所占的比例
召回率:样本中预测的类别和应该预测成该类别所占的比例
F1 score:精确率和召回率是此消彼长的关系,F1 score则是二者的平衡指标
3 多分类下的指标
类别1 | 类别2 | ... | total | |
正确预测成真(True Positive,TP,该类别预测为该类别) | TP1 | TP2 | ... | TPtotal=TP1+TP2+... |
错误预测为假(False Nagetive,FN,该类别预测为非该类别) | FN1 | FN2 | ... | FNtotal=FN1+FN2+... |
错误预测为真(False Positive,FP,非该类别预测为该类别) | FP1 | FP2 | ... | FPtotal=FP1+FP2+... |
正确预测为假(True Nagetive,TN,非该类别预测为非该类别) | TN1 | TN2 | ... | TNtotal=TN1+TN2+... |
P1,R1,F1 | P2,R2,F2 | ... | Ptotal,Rtotal,F1total |
准确率:
宏平均(macro average):
微平均(micro average):