MindSpore分类指标总结（三）

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）

MindSpore分类指标之精准率、召回率和F值详解（二）

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