分类模型的评估方法F-Score
在一网站上发现对于这一概念解释较好,搬运如下:
1. TP、TN、FP、FN解释说明
行表示预测的label值,列表示真实label值
TP:True Positive, 被判定为正样本,事实上也是正样本。
FP:False Positive,被判定为正样本,但事实上是负样本。
TN:True Negative, 被判定为负样本,事实上也是负样本。
FN:False Negative,被判定为负样本,但事实上是正样本。
“狼来了”的故事模型:
2. precision 和 recall 的计算
Accuracy:表示预测结果的精确度,预测正确的样本数除以总样本数。
precision: 准确率,又称为查准率,表示预测结果中,预测为正样本的样本中,正确预测为正样本的概率;
recall: 召回率,又称为查全率,表示在原始样本的正样本中,最后被正确预测为正样本的概率;