Spark MLlib求解机器学习Precision, Recall, F1值 (Java代码)

Maven依赖

 <dependency>
     <groupId>org.apache.spark</groupId>
     <artifactId>spark-core_2.11</artifactId>
     <version>2.2.0</version>
 </dependency>
 <dependency>
     <groupId>org.apache.spark</groupId>
     <artifactId>spark-sql_2.11</artifactId>
     <version>2.2.0</version>
 </dependency>
 <dependency>
     <groupId>org.apache.spark</groupId>
     <artifactId>spark-mllib_2.11</artifactId>
     <version>2.2.0</version>
 </dependency>

使用的核心类

org.apache.spark.mllib.evaluation.BinaryClassificationMetrics

理论准备

在机器学习中的二分类问题,仅仅使用accuracy不足够准确和足以度量模型,尤其是当数据集正负样本不均衡时。
例子:
银行对用户分类为二类即信用好和差,来进行发放信用卡。
那么即使不做数据挖掘,而是直接判定所有用户的信用都是好的,那么accuracy也是够高的。
但是很显然,银行对信用差的用户更加在意,需要对这少数群体更慎重划分。

Precicion, Recall, F1

首先引入混淆矩阵和True Positive(TP), False Positive(FP), False Negative(FN), True Negative(TN)。
Positive样本(对应1/0中的1)对应的是 数量少的那方,也就是上面例子中的信用差的群体。

label=1 label=0
prediction=1 TP FP
prediction=0 FN TN

对上面的混淆矩阵解释一下:
对于TP, FP, FN, TN都是两个字母:

  • 第1个字母:是预测做的的对不对,显然当预测和label一致时是T,否认是F。
  • 第2个字母:是predict的值,预测什么值这里就是什么。

计算Precision

P r e c i s i o n = T P T P + F P Precision=\frac{TP}{TP + FP} Precision=TP+FPTP
Precision即对于表格内容的第一行而言,TP占比。

计算Recall

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值