
机器学习
文章平均质量分 76
THEAQING
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
分类问题的几个评价指标(Precision、Recall、F1-Score、Micro-F1、Macro-F1)
四个基本概念TP、True Positive 真阳性:预测为正,实际也为正FP、False Positive 假阳性:预测为正,实际为负FN、False Negative 假阴性:预测与负、实际为正TN、True Negative 真阴性:预测为负、实际也为负。【一致判真假,预测判阴阳。】以分类问题为例:(word公式为什么粘不过来??头疼。)...原创 2018-05-10 23:54:06 · 129681 阅读 · 19 评论 -
TP真阳性, FP假阳性, FN假阴性, TN真阴性
看着简单,但每次一用就晕,总结一下。 TP、True Positive 真阳性:预测为正,实际也为正FP、False Positive 假阳性:预测为正,实际为负FN、False Negative 假阴性:预测与负、实际为正TN、True Negative 真阴性:预测为负、实际也为负。也就是说,预测和实际一致则为真,预测和实际不一致则为假;如果预测出来是“正”的,则...原创 2018-10-27 19:06:43 · 36272 阅读 · 1 评论 -
机器学习的两个指标:ROC曲线和AUC值
目录 ROC曲线的作用相关概念ROC空间ROC曲线曲线下面积(AUC)ROC曲线的作用先看一下ROC的字面意思:ROC曲线即接收者操作特征曲线(receiver operating characteristic curve)。该曲线是一种坐标图式的分析工具,有两大作用: (1) 选择最佳模型、舍弃次佳的模型。 (2) 在同一模型中设定最佳阈值。ROC曲线...原创 2019-01-22 13:43:20 · 3253 阅读 · 0 评论