版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_38784454/article/details/82351715
1、sensitive(灵敏度又称TPR): TP/(TP+FN) 所有正样本中被分对的比例,衡量了分类器对正例的识别能力。
2、specificity(特效度又称TNR):TN/(TN+FP) 所有负样本被分对的比例,衡量了分类器对负例的识别能力。
3、accuracy(正确率):(TP+TN)/(TP+TN+FP+FN) 被分对的样本数除以所有样本的总数,值越高分类器的识别能力越强。
TP: 将正类预测为正类数; FN: 将正类预测为负类数;TN: 将负类预测为负类数;FP : 将负类预测为正类数。