1、错误率
预判错误的概率
2、精度
判断正确的概率
3、二分类混淆矩阵
预测的结果和真实的结果分成四类:
查准率(准确率) P (precision) = TP+FP:预测为正的 样本
查全率(召回率) R (recall)= TP+FN: 真正的 全部正样本
F1 值:
扫描二维码关注公众号,回复:
10323467 查看本文章
F1 = 也是一种几何平均
Fβ 值:
Fβ = β < 1:准确率有更大影响 β>1:召回率有更大影响
4、ROC曲线和AUC (Area Under Curve)
纵坐标 TPR = 预测正确在真正的正样本中的概率
横坐标 FPR = 预测错误在真正的负样本中的概率
按预测结果按照顺序逐个样本预测画出ROC曲线。
AUC就是曲线下的面积,面积越大,分类效果越好