评估指标包括分类、回归、聚类和排序等，其中分类指标如精确率、召回率和F1值至关重要。精确率关注预测正例中真正例的比例，召回率关注所有正例中被正确预测的比例。F1值是精确率和召回率的调和平均数，提供了一个综合度量。在实际应用中，根据场景需求平衡精确率和召回率，P-R曲线下的AP分数则反映了模型的整体表现。
评估指标根据任务类型分类：分类指标、回归指标、聚类指标和排序指标等。
一、分类指标
二分类的混淆矩阵：
TP (真正，True Positive)：表示真实结果为正例，预测结果也是正例；
FP (假正，FalsePositive )：表示真实结果为负例，预测结果却是正例；
TN (真负, True Negative )：表示真实结果为正例，预测结果却是负例；
FN (假负，False Negative )：表示真实结果为负例，预测结果也是负例。
TP+FP + FN+ TN=样本总数。
精确率、召回率和F1值
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
