分类器性能

分类器性能

混淆矩阵
1.基本概念
   混淆矩阵用于把样本实际值（true class)和模型预测值（predicted class)进行联列表分析。如果实际样本true class 取-1，则为反例（negative),取+1则为正例（positive).如果模型预测错误，则为false,预测正确，则为真（true).最后混淆矩阵如表下所示：




表中各个项的含义如下所示：



对应于TP、TN、FP、FN等概念，再引入相应的比率概念，如下表所示






对应于TP、TN、FP、FN等概念，再引入相应的比率概念，如下表所示
同样，这里的TNR也称为特指度Specicity，TPR称为灵敏度Sensitivity和召回率（或查全率Recall，FPR称为Fallout,FNR称为漏查率Miss,

2.正确率和错误率

正确率是指模型预测正确的概率，其公式如下所示：


同样，错误率是指模型预测错误的概率，其公式如下所示：