文章目录
1 分类
1.1 混淆矩阵
- True Positive(真正, TP):将正类预测为正类数.
- True Negative(真负 , TN):将负类预测为负类数.
- False Positive(假正, FP):将负类预测为正类数 → 误报 (Type I error).
- False Negative(假负 , FN):将正类预测为负类数 → 漏报 (Type II error).
关系如下表所示:
预测值=1 | 预测值=0 | |
---|---|---|
真实值=1 | TP | FN |
真实值=0 | FP | TN |
1.1.1 准确率 Accuracy, ACC
A C C ( A c c u r a c y ) = T P + T N T P + T N + F P + F N ACC(Accuracy) = \frac{TP+TN}{TP+TN+FP+FN} ACC(Accuracy)=TP+TN+FP+FNTP+TN
注:在正负样本不平衡的情况下,准确率这个评价指标有很大的缺陷。比如在互联网广告里面,点击的数量是很少的,一般只有千分之几,如果用acc,即使全部预测成负类(不点击)acc 也有 99% 以上,没有意义
1.1.2 精确率 或 查准率 Precision, P
P = T P T P + F P P=\frac{TP}{TP+FP} P=TP+FPTP
注: 精确率(precision)和准确率(accuracy)是不一样的
1.2.3 召回率 或 查全率 Recall, R
R = T P T P + F N R=\frac{TP}{TP+FN} R=TP+FNTP
1.2.4 F1 测量值
2 F 1 = 1 P + 1 R F 1 = 2 T P 2 T