精确率 召回率 F1值 准确率 ROC曲线 AUC评价指标

对于二分类问题来说,经过分类器分类后一般会出现下面四种情况(假设positive表正类,negative表负类):

  • 将正类预测为正类,记该类样本数为TP (true positive)
  • 将正类预测为负类,记该类样本数为FN (false negative)
  • 将负类预测为正类,记该类样本数为FP (false positive)
  • 将负类预测为负类,记该类样本数为TN (true negative)

混淆矩阵如下:
confusion matrix

精确率

精确率(precision):被预测成正的样本中预测正确的比例。越接近1,预测效果越好

P=TPP=TPTP+FP

召回率

召回率(recall):原为正样本中被正确预测的比例。越接近1,效果越好

R=TPP=TPTP+FN

F1

F1 值:精确率和召回率的调和均值,即:

2
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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