python机器学习评估指标，阿里专家原创

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 ࿰