什么是混淆矩阵?
混淆矩阵是一个误差矩阵,通常我们可以通过混淆矩阵来评定监督学习算法的性能。
混淆矩阵是除了ROC曲线和AUC之外的另一个判断分类好坏程度的方法。
二元分类的混淆矩阵形式如下:
以下有几个概念需要先说明:
TP(True Positive): 真实为0,预测也为0
FN(False Negative): 真实为0,预测为1
FP(False Positive): 真实为1,预测为0
TN(True Negative): 真实为1,预测也为1
1)正确率(Accuracy):正确分类数/样本总数,描述了分类器总体分类准确程度。
2) 精确率:模型预测到结论的特征与预测总之的比重: 预测为0的准确率
3) 召回率:真实值中预测正确的特征占预测总数的比例