【统计学习】细节笔记 [ 2 ] ：混淆矩阵相关指标（Accuracy等）

最新推荐文章于 2024-07-18 00:00:00 发布

eivind7

最新推荐文章于 2024-07-18 00:00:00 发布

阅读量519

点赞数 1

分类专栏： TIPS 统计学习文章标签：机器学习

本文链接：https://blog.csdn.net/weixin_44130745/article/details/106929040

版权

本文详细解释了混淆矩阵中的各项指标，包括准确率、错误率、召回率、假阳性和假阴性率、特异度、精确度以及预流行率，通过实例阐述了这些指标在地震预测、嫌疑人定罪和病理检测等场景的应用。

摘要由CSDN通过智能技术生成

举个例子：在这里插入图片描述

Accuracy（准确率）: Overall, how often is the classifier correct?
Accuracy = (TP+TN)/(P+N)= (TP+TN)/(TP+TN+FP+FN)
(TP+TN)/total = (100+50)/165 = 0.91
真“我爱你”+真“我不爱你”: 所有爱你和不爱你的人里，有多少人讲的是真心话
地震预测：真的无地震，放心 + 真的有地震，提前转移
嫌疑人定罪：真的有罪定罪 + 真的无罪释放
病理检测：真的有病住院 + 真的没病回家
Misclassification Rate（Error Rate 错误率）: Overall, how often is it wrong?
Error Rate = 1 – Accuracy = (FP+FN)/(P+N)=(FP+FN)/(TP+TN+FP+FN)
(FP+FN)/total = (10+5)/165 = 0.09
equivalent to 1 minus Accuracy
also known as “Error Rate”
伪“我不爱你”+伪“我爱