机器学习之模型评估方法总结

一、分类模型评估指标

1、混淆矩阵（confusion matrix）

TP(True Positive) ---- 将正类预测为正类数（真阳性）
FN(False Negative) ---- 将正类预测为负类数（假阴性）
FP(False Positive) ---- 将负类预测为正类数（假阳性）
TN(True Negative) ---- 将负类预测为负类数（真阴性）

分类模型总体判断的准确率:反映分类器统对整个样本的判定能力，能将正的判定为正，负的判定为负
A c c u r a c y = T P + N P T P + T N + F P + F N Accuracy = \frac{TP+NP}{TP+TN+FP+FN}