本文深入探讨了数据清洗过程中的关键指标，包括混淆矩阵、准确率、精确率、召回率及F1值等概念，并介绍了马修斯相关系数（MCC），用于衡量机器学习分类的性能，尤其在不平衡数据集上的表现。
数据清洗的相关指标
1、首先给出混淆矩阵
对于混淆矩阵，作以下说明：
TP：实例为正类，同时预测为正类
FP：实例为负类，但是预测为正类
FN：实例为负类，同时预测为负类
TN：实例为正类，但是被预测负类
2、我们定义：
准确率（正确率）=所有预测正确的样本/总的样本 （TP+TN）/（TP+TN+FP+FN）
精确率= 将正类预测为正类 / 所有预测为正类 TP/（TP+FP）
召回率 = 将正类预测为正类 / 所有正真的正类 TP/（TP+FN）
F1值 （精确率和召回率的调和平均值）= 精确率 * 召回率 * 2 / ( 精确率 + 召回率)
3、马修斯相关系数（MCC）：
是在使用机器学习作为二进制（2类）的质量的度量的分类，被视为一种平衡的措施，即使这些数据集的规模大小不同也可以使用。返回介于-1和+1之间的值。系数+1表示完美预测，0表示不比随机预测好，-1表示预测和观察之间的完全不一致
扫一扫
755
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
