《数据挖掘导论》混淆矩阵

发现有很多资料对混线矩阵以及recall、precision的定义不一致，经过比较发现《数据挖掘导论》对其定义比较的正确

 

混淆矩阵

		预测值
		+	-
真实值	+	TP	FN
	-	FP	TN

所谓的TN，TP都是针对预测值阐述的，例如预测值为‘-’，对应的为‘N’，至于是TN还是FN根据真实值的情况判断，真实值也为‘-’，则TN，真实值为‘+’，作为FN

 

recall（召回率） = TP/(TP+FN)，即在真实值为‘+’的所有样本中，model预测也为‘+’的概率，也被成为TPR（真正率、灵敏度），与之对应的为FPR（假正率） = FP/(FP+TN)。ROC曲线的y轴即recall，x轴为FPR。

 

精度（precision） = TP/(TP+FP），即在所有预测为‘+’的样本中，真实值为‘+’所占的比例。

 

由上可知，假如对于二分类（样本100，正例50，负例50），model全部预测为‘+’，则recall = 1，precision = 0.5，所以不见得recall越大越好，我们希望recall高的同时，precision也最好高，由此得出平衡这两个指标的新的度量：f1，f1 = 2（1/recall  + 1/precision），由f1公式可知，当recall和precision值很接近的时候f1才会很大。

 

最后准确率的概念较简单，即（TP+TN）/（TN+FN+TP+FP），在sklearn中，model.score(x,y)即可得出。