机器学习——评价指标
Posted 笨拙的忍者
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习——评价指标相关的知识，希望对你有一定的参考价值。
整理自：
https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1
- 分类器的好坏
1.分类器的好坏
这里首先要知道TP、FN（真的判成假的）、FP（假的判成真）、TN四种（可以画一个表格）。
几种常用的指标：
- 精度precision = TP/(TP+FP) = TP/~P （~p为预测为真的数量）
- 召回率 recall = TP/(TP+FN) = TP/ P
- F1值： 2/F1 = 1/recall + 1/precision
- ROC曲线：ROC空间是一个以伪阳性率（FPR，false positive rate）为X轴，真阳性率（TPR, true positive rate）为Y轴的二维坐标系所代表的平面。其中真阳率TPR = TP / P = recall， 伪阳率FPR = FP / N
以上是关于机器学习——评价指标的主要内容，如果未能解决你的问题，请参考以下文章