分类器的性能评估

Posted wen_hust

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分类器的性能评估相关的知识,希望对你有一定的参考价值。

1. 背景

当我们使用一个分类器进行预测时,我们会遇到一个很重要的问题:如何评价这个分类器的预测效果?这里我构造一个场景作为例子来说明。

现在有10个人,其中1个人有感冒症状,9个人没有感冒症状。现在让医生进行诊断,判断哪些人有感冒,哪些人没有?

医生A的诊断结果是:原本有感冒的那个人被诊断为没有感冒,而没有感冒的9个人当中有8个人被正确判定,有1个人被误诊为有感冒。

在这个例子中,医生就相当于一个分类器,我们现在要对他的诊断结果进行评估。通常情况下,我们可能会使用准确率(accuracy)对预测效果进行评估,准确率被定义为:对于给定的测试数据集,分类器正确分类的样本数与总样本数之比。

因此,医生A的正确率为:8/10=80%8/10=80%。

假设另外一个医生B,他未经思考,将所有人都判定为没有感冒,而他的准确率为:9/10=90%9/10=90%。显然,仅仅通过准确率来评估医生的诊断结果是不靠谱的,这时,我们就需要使用其他指标进行评估了。在本文中,我们主要讨论二分类器的性能评估。

2. 混淆矩阵

混淆矩阵(Confusion Matrix)用于把实际样本值(true class)和模型预测值(predicted class)进行联列表分析。在二类分类的问题中,我们一般会把样本分为正类(或正例)和负类(负例),正类通常指我们在分类问题中所关注的类,比如在上面的例子中,感冒是我们所关注的,因此它是正类。一般我们可以用-1表示负类,+1表示正类。

 -1 (实际)+1 (实际)
-1(预测) True negative (TN 真负例) False negative(FN假负例)
+1(预测) False positive(FP假正例) True positive (TP真正例)

其中,各个数据的含义如下:

 含义
TN 模型将负类(实际)预测为负类的样本数
FN 模型将正类(实际)预测为负类的样本数
FP 模型将负类(实际)预测为正类的样本数
TP 模型将正类(实际)预测为正类的样本数

由上面的表格可以知道,实际样本的的负类数为N=TN+FPN=TN+FP;正类数为P=FN+TPP=FN+TP;总样本数为C=N+pC=N+p。

对于上面的例子,我们可以用如下表格展示医生A的诊断结果:

 -1 (实际没有感冒)+1 (实际有感冒)
-1(预测没有感冒) 8 (TN 真负例) 1(FN假负例)
+1(预测有感冒) 1(FP假正例) 0 (TP真正例)

下面,我们给出一些指标的形式化定义:

  • 准确率(accuracy)
    accuracy=TP+TNP+Naccuracy=TP+TNP+N
    准确率用于描述模型正确分类的样本数与总样本数之比。
  • 精确率(precision)
    precision=TPTP+FPprecision=TPTP+FP
    精确率用于描述模型预测正确的正样本数(TP)与模型预测的正样本数(TP+FP)之比,可以衡量模型预测正样本的准确性。
  • 召回率(recall)
    recall=TPTP+FNrecall=TPTP+FN
    召回率用于描述模型预测正确的正样本数(TP)与实际正样本数(TP+FN)之比,可以衡量模型预测正样本的可信性。
  • F1-measure
    精确率和召回率可以合并成为另一个度量,称为F1F1度量,它是精确率和召回率的调和均值:
    2F1=1precision+1recall2F1=1precision+1recall
    F1=2TP2TP+FP+FNF1=2TP2TP+FP+FN
    F1指标用于综合考虑精确率和召回率。

3. ROC曲线

除了使用上面的准确率、精确率等指标,针对只关注正例的分类器指标,更常用的是ROC(Receiver Operating Characteristic,受试者特征)曲线和AUC(Area Under Curve)。

在定义ROC之前,我们先定义以下两个指标:

  • False Positive Rate(FRP,假正率)
    FRP用于描述在所有实际为负例(N=TN+FP)的样本中,被错误地判断为正例(FP)的比例,即
    FPR=FPFP+TNFPR=FPFP+TN
  • True Positive Rate(TPR,真正率)
    TPR用于描述在所有实际为正例(P=TP+FN)的样本中,被正确地判断为正例(TP)的比例,即
    TPR=TPTP+FNTPR=TPTP+FN

对于二类分类的问题,一些分类器得到的结果往往不是0,1或-1,+1这样的标签,比如逻辑斯谛回归,它会得到一个概率值,通过与设定的阈值进行比较,可以0,1这样的标签。我们改变分类器的阈值,每改变一次,就会得到一对FPRFPR和TPRTPR的值,以FPRFPR为横轴,TPRTPR为纵轴,就得到如下的ROC空间:


技术分享图片ROC
图片来源:修改自wikipedia

我们可以看出,左上角的点(FPR=0,TPR=1),为完美分类;对角线上方的点(TPR > FPR),比如点A表示分类大体是正确的;而对角线上的点(TPR=FPR),比如点B,表示错一半,对一半;而对角线下方的点(TPR < FPR),比如点C表示分类大体是错误的。ROC曲线距离左上角越近,则分类器的效果越好。使用ROC曲线来衡量所考虑的目的是:在尽量少的”误诊“(假正率FPR)基础上,尽可能多地检验出正例的个体(真正率TPR)

4. AUC

如果ROC曲线经过点(0,1),即FPR=0,TPR=1,则表示为最优的分类器,然而绝大多数的ROC曲线并非如此,此时可通过引入ROC曲线下的面积AUC(Area Under Curve)来衡量不同模型间ROC曲线的表现情况。AUC面积越大,该模型的ROC曲线表现越好,模型越可用。

  • AUC=1AUC=1
    完美分类器,能正确将正例和负例进行划分
  • 0.5<AUC<10.5<AUC<1
    比随机猜测好,通过设定一个好的阈值,才能得到好的分类效果
  • AUC=0.5AUC=0.5
    跟随机猜测一样,模型没有预测价值
  • AUC<0.5AUC<0.5
    比随机猜测差,在这种情况下,可以对结果取反

5. 参考资料






















以上是关于分类器的性能评估的主要内容,如果未能解决你的问题,请参考以下文章

如何评估我自己的文本分类器

分类模型的性能评估指标总结

单一数字评估指标

R语言构建logistic回归模型并评估模型:构建基于混淆矩阵计算分类评估指标的自定义函数阳性样本比例(垃圾邮件比例)变化对应的分类器性能的变化基于数据阳性样本比例选择合适的分类评估指标

分类器

机器学习:模型性能评估与参数调优