模型ks_模型性能度量小结

分类问题

以二分类为例：

将样例根据其真实类别和分类器预测类别划分为：

• 真正例（True Positive，TP）：真实类别为正例，预测类别为正例。
• 假正例（False Positive，FP）：真实类别为负例，预测类别为正例。
• 假负例（False Negative，FN）：真实类别为正例，预测类别为负例。
• 真负例（True Negative，TN）：真实类别为负例，预测类别为负例。

然后可以构建混淆矩阵（Confusion Matrix）如下表所示。

二级指标

• 准确率（Accuracy）—— 针对整个模型
• 精确率（Precision）
• 灵敏度（S