matlab混淆矩阵和roc曲线,机器学习入门之【机器学习】--模型评估指标之混淆矩阵，ROC曲线和AUC面积...

本文主要向大家介绍了机器学习入门之【机器学习】--模型评估指标之混淆矩阵，ROC曲线和AUC面积，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。一、前述

怎么样对训练出来的模型进行评估是有一定指标的，本文就相关指标做一个总结。

二、具体

1、混淆矩阵

混淆矩阵如图：

相关公式：

公式解释：

fp_rate：

tp_rate:

recall:(召回率)

值越大越好

presssion:(准确率)

TP:本来是正例，通过模型预测出来是正列

TP+FP：通过模型预测出来的所有正列数(其中包括本来是负例，但预测出来是正列)

值越大越好

2、ROC曲线

过程：对第一个样例，预测对，阈值是0.9，所以曲线向上走，以此类推。

对第三个样例，预测错，阈值是0.7 ，所以曲线向右走，以此类推。

几种情况：

所以得出结论，曲线在对角线以上，则准确率好。

3、AUC面积

M是样本中正例数

N是样本中负例数

其中累加解释是把预测出来的所有概率结果按照分值升序排序，然后取正例所对应的索引号进行累加

通过AUC面积预测出来的可以知道好到底有多好，坏到底有多坏。因为正例的索引比较大，则AUC面积越大。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！