1. TP, FP, TN, FN
-
- True Positives,TP:预测为正样本,实际也为正样本的特征数
- False Positives,FP:预测为正样本,实际为负样本的特征数
- True Negatives,TN:预测为负样本,实际也为负样本的特征数
- False Negatives,FN:预测为负样本,实际为正样本的特征
| 真实情况 |
预测结果 |
|
| 真 |
假 |
|
| 真 |
TP(真正例) |
FN(假反例) |
| 假 |
FP(假正例) |
TN(真反例) |
2. 精确率(precision),召回率(Recall)与特异性(specificity)
精确率(Precision)的定义如下:
P=TPTP+FP
召回率(Recall)的定义如下:
R=TPT

本文介绍了精确率(precision)、召回率(recall)的概念,以及它们在分类任务中的作用。此外,详细阐述了RoC曲线和PR曲线,强调了AUC面积在衡量模型性能中的重要性,指出在P-R曲线和RoC曲线中,更高的面积代表模型更优。
最低0.47元/天 解锁文章
6371

被折叠的 条评论
为什么被折叠?



