AUC/ROC,Accuracy,Precision,Recall 含义。查准率,查全率,样本均衡问题
部分图片转自这里
- 行的True和False表示预测为正负
- 列的Pos和Neg表示真实的正负
- 表哥说明:
- True Positive(TP):将正类预测为正类的数量.
- True Negative(TN):将负类预测为负类的数量.
- False Positive(FP):将负类预测为正类数(假的正类–>其实是负累预测为正) → 误报 (Type I error).(把鸟当成敌机了)
- False Negative(FN):将正类预测为负类数(假的负类–>其实是正类预测为负) → 漏报 (Type II error).(把敌机当成鸟了–>非常严重)
- 准确率(Accuracy)
- a c c = T P + T N 4 个 全 部 acc=\frac{TP+TN}{4个全部} acc=4个全部TP+TN,表示分类正确的比例。
- 准确率在样本不平衡时有较大缺陷。
记正负样本个数分别为: F = T P + F N F=TP+FN F=TP+FN和 N = T N + F P N=TN+FP N=