机器学习分类模型评估常用指标

常见模型评估指标

通常在模型评估中都会有使用这样一张图:

真实预测
阳性阴性
阳性真阳性(TP)假阴性(FN)
阴性假阳性(FP)真阴性(TN)

常见的指标有这些:

  • ACC:通常用来表示所有样本被正确分类的比例,ACC = (TP+TN) / (TP+FN+FP+TN)
  • Rec:通常用来表示阳性样本被正确分类的比例,Rec = TP/(TP + FN)
  • Pre:通常用来表示预测为阳性样本的比例,Pre = TP/(TP + FP)
  • F度量:通常用来表示一个模型或者分类器的综合性能,它是Rec和Pre的调和平均. F = 2*Pre*Rec / (Pre + Rec)

通常在模型评估中,ACC都能反映出我们的模型的样本分类准确度,但是在一些特定的场合下,我们就需要综合考虑一下各种指标,比如在原本预测精度就比较大的场合下就需要借助下其他指标综合评定。

本文章为个人学习笔记,写的不好见谅。
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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