混淆矩阵及常用评价指标介绍

本文详细介绍了混淆矩阵及其在评估模型性能时常用的准确率、精确度、召回率和假正率等指标。通过实例分析了如何手动和自动绘制ROC曲线,并讨论了在样本不均衡情况下的处理方法。
摘要由CSDN通过智能技术生成

1.混淆矩阵及常用评价指标介绍

       本文混淆矩阵中,1表示少数类(正类),0表示多数类(负类),第一个数表示真实值,第二个数表示预测值。(比如10表示本来是正类,被预测为了负类)

预测值
1 0
真实值 1 11 10
0 01 00

常用评价指标:
a c c = 11 + 00 11 + 10 + 01 + 00 acc=\frac{11+00}{11+10+01+00} acc=11+10+01+0011+00
p = 11 11 + 01 p=\frac{11}{11+01} p=11+0111
r = 11 11 + 10 r = \frac{11}{11+10} r=11+1011
s = 00 01 + 00 s=\frac{00}{01+00} s=01+0000
F P

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值