评价分类结果

 

 

 

 

实际中我们把真正关注的标记为1（癌症病人  贷款失信人）

精准率：预测这个事件为发生 中     事件真正发生 有多少

                    预测我们关注的事件 预测准确度          做100次预测患病发生    预测正确占多少

召回率：事件真实发生中  我们  预测正确的为多少

                    100个人患病（真）    真正预测出患病的概率     关注的事件发生并且被正确预测

 

 

 

  预测为上升的  希望预测的都是对的

 

    所有真正有病的患者    能正确选出

 

   

其中一个很小一个很大 得到的值最终也会很小     只有两者都大  最终才会大   

而算数平均值  一个很低另一个很高 最终的和显示的也会很好

 

 

X轴为步长   y为两个曲线  分类边界越大越有可能分的准  即召回率越大

x y  一个为召回率 一个为精准率

 

 

 

 

 

 

多分类混淆矩阵

         ==》中间是分类真确的     ==》越亮犯错越多

 

总结：ROC   用于比较两个模型孰优孰劣            同样一个算法比较不同超参数下的分类效果

            召回率 精准率用于评价  数据严重有偏的模型  这两个指标是很有必要的