你好,我是zhenguo
对机器学习的评估度量是机器学习核心部分,本文总结分类问题常用的metrics
分类问题评估指标
在这里,将讨论可用于评估分类问题预测的各种性能指标
1 Confusion Matrix
这是衡量分类问题性能的最简单方法,其中输出可以是两种或更多类型的类。混淆矩阵只不过是一个具有两个维度的表,即“实际”和“预测”,此外,这两个维度都有“真阳性(TP)”、“真阴性(TN)”、“假阳性(FP)”和“假阴性(FN)”,如下所示:
与混淆矩阵相关的术语解释如下:
-真阳(TP)− 当数据点的实际类别和预测类别均为1
-真实阴(TN)− 当数据点的实际类和预测类都为0
-假阳(FP)− 当数据点的实际类别为0,预测的数据点类别为1
-假阴(FN)− 当数据点的实际类别为1,预测的数据点类别为0
我们可以使用sklearn的混淆矩阵函数confusion_m