机器学习笔记-分类的性能评测

BurningChrome

于 2021-10-19 23:02:11 发布

阅读量162

点赞数

分类专栏：机器学习文章标签：机器学习概率论

本文链接：https://blog.csdn.net/weixin_45695256/article/details/120856774

版权

本文介绍了机器学习中分类模型的性能评测，包括混淆矩阵、准确度、误差率、精度、查全率、灵敏性和特异性。此外，还详细讨论了ROC曲线及其应用，以及假正类率和真正类率的概念。文章进一步探讨了留出法、交叉验证和分层法等实验评估方法，旨在帮助读者全面理解如何评估分类器的性能。

摘要由CSDN通过智能技术生成

分类的性能评测

Actual/Predict Class	C1	~C1
C1	True Positive(TP)	False Negative(FN)
~C1	False Positive(FP)	True Negative(TN)

感兴趣的为正类(Positive)，反之为负类(Negative)。

$A c c u r a c y = (T P + T N) / A L L$

误差率即分类器在一个给定样例集上发生错误的频率。
$1 - A c c u r a c y$
或者，

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

关注关注