机器学习模型中常见的是分类问题,分类模型的评价指标主要有:
(1)精确率
(2)召回率
(3)F值
(4)AUC值(ROC曲线)
分类问题可划分成二分类和多分类问题,其中二分类最为常见,多分类问题大都也是转化成二分类问题求解,因此本文主要基于二分类模型进行模型评价指标的分析。
1)给定标记好的模型训练数据,经分类模型输出的结果为混淆矩阵,具体如下:
Precision : P = TP/( TP+FP)
Recall : R = TP/( TP+FN)
F = (1+a)P*R/(a2p + R)
当a=1时,F1 = 2*P*R/(P+R)
ROC曲线:
纵坐标-TPR: TPR = TP/( TP+FN), 值域[0,1]
横坐标-FPR : FPR = FP/(FP+TN), 值域[0,1]
AUC值等于ROC曲线下方的面积,值域为[0,1] <
模型评价指标
最新推荐文章于 2023-05-12 13:49:48 发布