分类常用指标总结

先上一个混淆矩阵

两个阳都是指估计为1

真阳率：

（TP + FN）/P

真实值为1的样本中，估计值为1的比例；反映了对于一个1样本，估计为1的概率。越高越好，1都被估计为1，都召回了。

 

假阳率：

（FP + TN ）/N

真实值为0的样本中，估计为1的比例；反映了对于一个0样本，估计为1的概率。越低越好，0都不被估计为1。假阳就是为0却被估计为1。

 

ROC曲线的横轴为假阳率，纵轴为真阳率

随着分类阀值由0到1，ROC坐标由（1，1）到（0，0）

ROC不受正负样本比列影响

 

AUC为面积，其意义为1样本估计为1的概率大于0的样本估计为1的概率的概率；如果真阳率等于假阳率，那么表示分类器对于0、1样本估计为1的概率相等，换句话说，分类器对于正例和负例毫无区分能力。

 

 

 

precision，精确率

（TP）/ (TP + FP)

预测为1中真实为1的比例；假阳率越低，则0都不会被预测为1，相应的精确率变高

 

召回率

就是真阳率，比列越高，召回的越多。

 

 

待补充