混淆矩阵
预测的类 | |||
+ | - | ||
实际的类 | + | ||
- |
相关术语:
TPFN
- 真正 或者 ,对应于被分类模型正确预测的正样本数。
- 假负 或者 ,对应于被分类模型错误预测为负类的正样本数
- 假正 或者 ,对应于被分类模型错误预测为正类的负样本数
- 真负 或者 ,对应于被分类模型正确预测的负样本数
其他术语
真正率(true positive rate,TPR)
或者称灵敏度(sensitivity)
定义为被模型正确预测的正样本的比例,即:
真负率(ture negative rate,TNR)
或者称特指率(specificity)
定义为被模型正确预测的负样本的比例,即:
假正率(false positive rate,FPR)
定义为被预测为正类的负样本比例,即:
假负率(false negative rate,FNR)
定义为被预测为负类的正样本的比例,即:
召回率(recall)
度量被分类器正确预测的正样本的比例,即:
精度(precision)
精度确定分类器断言为正类的部分实际为正类记录所占的比例,即:
度量
精度和召回率可以合并为一个度量,称为
度量
原则上
为召回率和精度的调和均值
一个高的 度量值确保精度和召回率都比较高。