《机器学习》（周志华）笔记

Posted 2020-08-22

2.3性能度量

2.3.1 回归任务中的性能度量

均方误差

2.3.2 分类任务中的性能度量

精度    acc =（TP+TN）/（TP+FN+FP+TN）

错误率E =（FN+FP）/（TP+FN+FP+TN）

准确率 P = TP/（TP+FP）                                 挑出的好瓜占挑出的西瓜的比例

召回率 R = TP/（TP+FN） = TP/m+                 挑出的好瓜占所有好瓜的比例

真正例率 TPR = TP/（TP+FN）=TP/m+           挑出的正例占所有正例的比例

假正例率 FPR = FP/（TN+FP）=FP/m-             挑出的反例占所有反例的比例

假反例率 FNR = FN/（TP+FN）= FN/m+           未被挑出的正例占所有正例的比例

FNR+TPR = 1

P和R“互斥”，一个0一个1。组成PR图和PR曲线。

TPR和FPR“相吸”，同时为0同时为1.组成ROC图和ROC曲线。

F1是P和R的调和平均：

1/F1 = 1/2 *（1/P + 1/R）= 1/（2*P） + 1/（2*R）

Fb是P和R的加权调和平均：

1/Fb = 1/（1+b^2） *（1/P + b^2/R）= 1/（（1+b^2）*P）+b^2/（（1+b^2）*R）= 1/（（1+b^2）*P）+1/（（1+1/b^2）*R）

3.2线性回归

null