应用场景:以矩阵形式总结分类器结果
1.一级指标
分别是:TP、FN、FP、TN
TP = True Positive,模型与实际结果均为positive的数量
TN = True Negative,模型与真实值结果均为negative的数量
FN = False Negative,模型认为是negative,而真实值为positive的数量,是统计学上的第二类错误(Type II Error)
FP = False Positive,模型认为是positive,而真实值是negative的数量,是统计学上的第一类错误(Type I Error)
2.二级指标
准确率(Accuracy) = (TP+TN) / (TP+TN+FN+TN)
精确率(precision, 或者PPV, positive predictive value) = TP / (TP + FP)
召回率(recall, 或者敏感度,sensitivity,真阳性率,TPR,True Positive Rate) = TP / (TP + FN)
特异度(specificity,或者真阴性率,TNR,True Negative Rate) = TN / (TN + FP)
3.三级指标
F1-值(F1-score) = 2*TP / (2*TP+FP+FN)