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。
![d566c052764e3888283c74d17278f823.png](https://img-blog.csdnimg.cn/img_convert/d566c052764e3888283c74d17278f823.png)
![17054b1a882153306917dcfede90f268.png](https://img-blog.csdnimg.cn/img_convert/17054b1a882153306917dcfede90f268.png)
二级指标
- 准确率(Accuracy)—— 针对整个模型
- 精确率(Precision)
- 灵敏度(S