机器学习-模型评估-评估指标

天机无限

于 2019-08-31 16:42:22 发布

阅读量436

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/tianjiwuxian/article/details/100173508

版权

分类结果混淆矩阵：

预测为正例预测为负例
真实正例 TP（正确预测为正例） FN（错误预测为负例）
真实负例 FP（错误预测为正例） TN（正确预测为负例）

准确率（Accuracy）

acc = 预测正确 / 总样本数

$acc = \frac{TP+TN}{N}$

精确率（查准率，Precision）

P = 正确预测为正例 / 预测为正例

$P = \frac{TP}{TP+FP}$

召回率（查全率，Recall; 敏感性，TPR）

R = 正确预测为正例 / 正例总数

$R = \frac{TP}{TP+FN}$

特异性（Specificity, 1- FPR）

Spe = 正确预测为负例 / 负例总数

$Spe = \frac{TN}{TN+FP}$

FPR = 错误预测为正例 / 负例总数

$FPR = \frac{FP}{TN+FP}$

F1值--分类问题

$F1 = \frac{2*P*R}{P+R}$

ROC曲线以及AUC值--分类问题
RMSE与MAPE -- 回归问题

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。