二分类评估指标(F1-score,AUC(ROC曲线))
评估基础介绍-------对于二分类问题,可将样例根据其真实类别与学习器(分类器)预测的类别的组合划分为 真正例(true positive),假正例(false positive),真反例(true negative),假反例(false negative) 四种情况,令TP,FP,TN,FN分别表示其对应的样例数。TP + FP + TN +FN = 样例总数混淆矩阵(confusion...
原创
2019-03-03 12:12:53 ·
8520 阅读 ·
0 评论