机器学习结果指标评估

第一种：ROC（Receiver Operating Characteristic）

目的：

（1）分类结果往往不是0和1 而是0-1之间的连续变量 为此需要设定一个阈值线进行分类

（2）accuracy评价方式已经满足不了。也即是引入：类不平衡问题，链接

其主要分析工具是一个画在二维平面上的曲线——ROC curve。横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)

引入：混淆矩阵

真阳性TP（True Positive）、真阴性TN（True Negative）；假阳性FP（False Positive）、假阴性FN（False Negative）

类1（正类）

类0（负类）