机器学习中分类问题的四大评价指标和ROC曲线

---

前言

我们知道机器学习分为回归问题和分类问题；同时，评价指标在模型训练和评价中占据着举足轻重的地位；本文主要介绍分类问题常见的四个评价指标，accuracy，precision， recall 和f1-score。在明确以上四个评价指标的定义和用途之前，我们需要知道四个概念；在二分类问题中，TP 是测试集上的样本为positive（正），我们的模型代入该测试集样本预测仍为正；TN 是测试集上的样本为negative（负），我们的模型代入该测试集样本预测仍为负；FP 是测试集上的样本为negative（负），我们的模型代入该测试集样本预测为正；FN 是测试集上的样本为positive（正），我们的模型代入该测试集样本仍为negative（负）；我们接下来用这四个指标来引入accuracy，precision，recall，f1-score和ROC图的定义和用途。

一、accuracy

含义：在测试集上，预测对的样本占总样本的比例
公式：accuracy = (TP + TN)/(TP + TN + FP + FN)