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: