关于混淆矩阵以及分类问题的概述

分类算法是一种预测任务,通过收集特征并运用分类器进行预测。混淆矩阵是评估分类效果的标准,包括真正率、真负率、假正率、假负率等关键指标。精准率和召回率是评估分类性能的重要参数,F1-score则是它们的调和平均数。
摘要由CSDN通过智能技术生成

分类算法 - 问题的定义

在日常生活中,我们常常会根据一个人的外貌特征,区分一个人是男还是女,这就是一个分类问题;那什么是分类算法呢,分类算法其实就是运用算法的形式,将上述问题通过分类的方式进行解决,属于一种预测任务;常见的方式是通过收集多项特征x,通过分类器f(.)进行分类,得到最终的预测值y。


目前,分类算法通常为用于解决以下相关问题:


混淆矩阵

根据百度百科的定义,混淆矩阵其实就是误差矩阵,是表示进度评价的一种标准格式,通常用n行n列的矩阵形式表示。人工智能中的混淆举矩阵表现形式通常如下:


关于混淆矩阵,我们需要弄清几个概念:

真正率/灵敏度:TPR = TP/(TP+FN)

真负率/特指度:TNR = TN/(FP+TN)

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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