混淆矩阵
| |||
|
| ||
|
|
|
|
|
|
|
相关术语:
TPFN
- 真正 (true positive ,TP) ( t r u e p o s i t i v e , T P ) 或者 f++ f + + ,对应于被分类模型正确预测的正样本数。
- 假负 (false negative ,FN) ( f a l s e n e g a t i v e , F N ) 或者 f+− f + − ,对应于被分类模型错误预测为负类的正样本数
- 假正 f(alse positive ,FP) f ( a l s e p o s i t i v e , F P ) 或者 f−+ f − + ,对应于被分类模型错误预测为正类的负样本数
- 真负 (ture negative ,TN) ( t u r e n e g a t i v e , T N ) 或者 f−− f − − ,对应于被分类模型正确预测的负样本数
其他术语
真正率(true positive rate,TPR)
或者称灵敏度(sensitivity)
定义为被模型正确预测的正样本的比例,即:
TPR=TPTP+FN
T
P
R
=
T
P
T
P
+
F
N
真负率(ture negative rate,TNR)
或者称特指率(specificity)
定义为被模型正确预测的负样本的比例,即:
TNR=TNTN+FP
T
N
R
=
T
N
T
N
+
F
P
假正率(false positive rate,FPR)
定义为被预测为正类的负样本比例,即:
FPR=FPTN+FP
F
P
R
=
F
P
T
N
+
F
P
假负率(false negative rate,FNR)
定义为被预测为负类的正样本的比例,即:
FNR=FNTP+FN
F
N
R
=
F
N
T
P
+
F
N
召回率(recall)
度量被分类器正确预测的正样本的比例,即:
recall=TPTP+FN
r
e
c
a
l
l
=
T
P
T
P
+
F
N
精度(precision)
精度确定分类器断言为正类的部分实际为正类记录所占的比例,即:
precision=TPTP+FP
p
r
e
c
i
s
i
o
n
=
T
P
T
P
+
F
P
F1 F 1 度量
精度和召回率可以合并为一个度量,称为
F1
F
1
度量
原则上
F1
F
1
为召回率和精度的调和均值
F1=21r+1p
F
1
=
2
1
r
+
1
p
一个高的 F1 F 1 度量值确保精度和召回率都比较高。