一、 摘要
通过之前两篇分类评价指标的分享,我们已经基本了解到每个评价指标表达式的意义,那么本次分享我们将通过列举现实中的例子,结合不同的场景,体验不同指标的意义。
MindSpore分类指标之准确率、AUC/ROC详解(一)
二、 评价指标汇总
首先展示出我们分类模型中的混淆矩阵,下面各种分类指标公式都将结合混淆矩阵进行表示。
图1-混淆矩阵
TP、FN、FP、TN的解释:
(1) 若一个实例是正类,并且被预测为正类,即为真正类TP(True Positive )
(2) 若一个实例是正类,但是被预测为负类,即为假负类FN(False Negative