一.容易混淆
若一个实例为正类,被预测为负类,即为假负类。(False Negative)(FN)
若一个实例为负类,被预测为正类,即为假正类。(False Positive)(FP)
二.概念理解:
1.精确率(Precision):P = TP/(TP + FP)
表述了分为正类的示例中实际为正类的比例。
2. 召回率(Recall):recall=TP/(TP+FN)
是覆盖面的度量,度量有多少个正类被分为正类。
与此对等有灵敏度(sensitive):sensitive = TP/P,
表示的是所有正例中被分对的比例,衡量了分类器对正例的识别能力。