True Positive(真正, TP):将正类预测为636f707962616964757a686964616f31333431356635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).
精确率(precision)定义为:
P=TPTP+FP(1)(1)P=TPTP+FP
需要注意的是精确率(precision)和准确率(accuracy)是不一样的,
ACC=TP+TNTP+TN+FP+FNACC=TP+TNTP+TN+FP+FN
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。
召回率(recall,sensitivity,true positive rate)定义为:
R=TPTP+FN(2)(2)R=TPTP+FN
此外,还有 F1F1 值,是精确率和召回率的调和均值,
2F1F1=1P+1R=2TP2TP+FP+FN(3)2F1=1P+1R(3)F1=2TP2TP+FP+FN
精确率和准确率都高的情况下,