python 混淆矩阵 画图_机器学习中常用的评估指标混淆矩阵

机器学习中常用的评估指标，大体上可以从两种任务来分析：分类任务和回归任务。常见的评价方法又包括混淆矩阵、准确率、敏感度、特异性、ROC曲线、AUC值等等。

此专栏将对常见的评价指标进行介绍，将从概念、原理、到代码实现。将采用图文并茂的形式展开。第一章我们从混淆矩阵开始

01

在某一指定阈值下，对模型预测结果的统计：

1.矩阵的一行表示预测类中的实例(可以理解为模型预测输出，predict)；

2.矩阵的一列表示对该预测结果与标签(Ground Truth)比较，给出预测结果是否正确，正确为True，反之为False

• 真正(True Positive , TP)：被模型预测为正(P)，预测对了(T)。

• 假正(False Positive , FP)：被模型预测为正(P)，预测错了(F)。

• 假负(False Negative , FN)：被模型预测为负(N)，预测错了(F)。

• 真负(True Negative , TN)：被模型预测为负(N)，预测对了(T)。

• 真正率(True Positive Rate,T