多分类衡量指标

本文介绍了多分类问题中的关键衡量指标:敏感度(TPR)、特异度(TNR)和准确率。敏感度关注分类器正确识别正例的能力,特异度关注对负例的识别,而准确率则综合考虑了正负样本的分类正确情况。这些指标对于评估分类器性能至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、sensitive(灵敏度又称TPR): TP/(TP+FN) 所有正样本中被分对的比例,衡量了分类器对正例的识别能力。

2、specificity(特效度又称TNR):TN/(TN+FP) 所有负样本被分对的比例,衡量了分类器对负例的识别能力。

3、accuracy(正确率):(TP+TN)/(TP+TN+FP+FN) 被分对的样本数除以所有样本的总数,值越高分类器的识别能力越强。

TP: 将正类预测为正类数; FN: 将正类预测为负类数;TN: 将负类预测为负类数;FP : 将负类预测为正类数。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

苏打水的杯子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值