TN = 32
FP = 8
FN = 18
精度 = ( TP + TN ) / ( TP + TN + FP + FN )
打印(精度)
输出:
0.74
假设我们有一个分类器,它总是预测“狗”。
| | 预测类别 |
| — | — |
| 猫 | 狗 |
| 实际
班级 | 猫 | 0 | 50 |
| 狗 | 0 | 50 |
在这种情况下,我们的精度为 0.5:
TP , TN , FP , FN = 0 , 50 , 50 , 0
精度 = (TP + TN )/ (TP + TN + FP + FN )
打印(精度)
输出:
0.5
准确性悖论
我们将证明所谓的准确性悖论。
垃圾邮件识别分类器由以下混淆矩阵描述:
| | 预测类别 |
| — | — |
| 垃圾邮件 | 火腿 |
| 实际
班级 | 垃圾邮件 | 4 | 1 |
| 火腿 | 4 | 91 |
TP , TN , FP , FN = 4 , 91 , 1