本文介绍了机器学习中评估分类模型性能的指标，包括查准率、查全率以及ROC曲线的概念。查准率是指被预测为正例的样本中，实际为正例的比例；查全率则是所有实际正例中，被正确预测为正例的比例。ROC曲线通过绘制真正例率（TPR）和假正例率（FPR）的关系，全面展示模型的性能。文章还详细解释了如何使用`sklearn.metrics.roc_curve`函数来绘制ROC曲线。
机器学习之分类模型评价指标：查准率、查全率、ROC曲线
混淆矩阵
| 真实情况 | 预测结果 | |
| 正例 | 反例 | |
| 正例 | TP（真正例） | FN（假反例） |
| 反例 | FP（假正例） | TN（真反例） |
查准率
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
