一、前置概念
1.混淆矩阵
预测为Positive | 预测为Negative | |
实际值为P | TP | FN |
实际值为N | FP | TN |
前一个字母:预测正确为T,预测错误为F;后一个字母:预测为正例为P,预测为负例为N。
2.评价指标
A准确率:
所有样本里,预测正确的概率。当类别不均衡时,准确率高也不一定意味着模型好。
R召回率/查全率:
实际为正例的例子里,预测正确的概率。比如核酸检测时,更关注把真实的正例全部找出来,所以更关注召回率。更关注真实情况能被看清多少。
P精准率/查准率: