TP—正确地预测了正类,正 正
TN—正确地预测了负类,负 负
FP—错误地预测了正类,负 正
FN—错误地预测了负类,正 负
准确率 准确率是分类问题中最简单也是最直观的评价指标,但存在明显缺陷,在样本类别不平衡时,例如负样本占99%,分类器只需要全部分类成负样本就能得到99%的准确率,所以这时占比大的类别往往成为影响准确率的最主要的因素。
精确率
召回率
在排序问题中,通常没有一个确定的阈值把得到的结果直接判定为正样本或负样本,而是采用Top N返回结果的精确率或者召回率来衡量排序模型的性能。
P-R曲线的横轴是召回率,纵轴是精确率。
其P-R曲线上的一个点代表着,在某一阈值下,模型将大于该阈值的结果判定为正样本,小于该阈值的结果判定为负样本,此时返回结果对应的召回率和精确率。整条P-R曲线是通过将阈值从高到低移动而生成的。原点附近代表阈值最大时模型的精确率和召回率。
是精确率和召回率的调和均值
ROC曲线的横坐标是假阳性率FPR,纵坐标是真阳性率TPR。 相比于P-R曲线,ROC曲线有一个特点,当正负样本的分布发生变化时,ROC曲线的形状基本能保持不变,而P-R曲线的形状会发生较剧烈的变化。