【Machine Learning, Coursera】机器学习Week6 偏斜数据集的处理

ML Week6: Handing Skewed Data

---

本节内容：

1. 查准率(precision)和召回率(recall)
2. $F_1$ Score

---

偏斜类(skewed class)问题：数据集中每一类的数据量严重不均衡

如果数据集为偏斜类，分类正确率不是一个好的指标。比如恶性肿瘤预测问题，假设数据集中有0.5%的患者罹患恶性肿瘤，那么一个错误率为1%的学习算法可能并不是一个好的算法。此外，永远预测肿瘤为良性的算法能达到99.5%的正确率，但这显然是没有意义的。

那么，有没有更好的衡量指标呢？

这种情况下，我们可以采用查准率(precision)和召回率(recall)。

查准率衡量的是在所有预测y=1的样本中，实际上y=1的比例：
p r e c i s i o n = t r u e   p o s i t i v e s n o .   o f   p r e d i c t e d   p o s i t i v e s = t r u e   p o s t r u e   p o s + f a l s e   p o s precision=\frac{true\ positives}{no.\ of\ predicted\ positives}= \frac{true\ pos}{true\ pos+false\ pos} precision=<