1、先列出混淆矩阵
一个二分问题,即将实例分成正类(positive)或负类(negative)。对一个二分问题来说,会出现四种情况。如果一个实例是正类并且也被 预测成正类,即为真正类(True positive),如果实例是负类被预测成正类,称之为假正类(False positive)。相应地,如果实例是负类被预测成负类,称之为真负类(True negative),正类被预测成负类则为假负类(false negative)。
以癌症的诊断为例,1代表癌症,0代表无病。
有以下指标:
1) TPR(True Postive Rate)真正类率:正类判断成正类,也称命中率,即所有真实的“1”中,有多少被成功选出;
2) TNR(True Negative Rate)真负类率:负类判断成负类。Specificity(特异性)
3) FPR(False Postive Rate)负正类率:负类判断成正类,即所有真实的“0”中,有多少被模型误判为1了。也称误诊率=1-Speci