机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure):
摘要:
数据挖掘、机器学习和推荐系统中的评测指标-准确率(Precision)、召回率(Recall)、F值(F-Measure)简介:
引言:
在机器学习、数据挖掘、推荐系统完成建模之后,需要对模型的效果做评价。
业内目前常用的评价指标有准确率、召回率、F值等等,下图是不同机器学习算法的评价指标。下午讲对其中某些指标做简要介绍。
本文针对二元分类器!
在介绍指标之前必须先了解“混淆矩阵”:
True Positive (真正,TP): 将正类预测为正类数
True Negative (真负,TN ): 将负类预测为负类数
False Positive (假正,FP):将负类预测为正类数->误报(Type Ⅰ error)
False Negative(假负,FN): 将正类数预测为负类数->漏报(Type Ⅱ error)