混淆矩阵
Predict | |||
Positive | Negative | ||
Real | Positive | TP | FN |
Negative | FP | TN |
准确率
准确率(Accuracy)是指有在所有的判断中有多少判断正确的(即正类被预测为正类,负类被预测为负类)
accuracy=TP+TNTP+FP+FN+TN
accuracy=\frac{TP+TN}{TP+FP+FN+TN}
accuracy=TP+FP+FN+TNTP+TN
精确率
精确率(Precision)是指在预测为正类的样本中有多少为真正的正类
Precision=TPTP+FP
Precision=\frac{TP}{TP+FP}
Precision=TP+FPTP
召回率
召回率(Recall)是指正类样本中有多少被预测为正类
Recall=TPTP+FN
Recall=\frac{TP}{TP+FN}
Recall=TP+FNTP
特异率
特异率(Specificity)是指负类样本中有多少被预测为负类
Specificity=TNTN+FP
Specificity=\frac{TN}{TN + FP}
Specificity=TN+FPTN
F-Measure
有时精确率与召回率是矛盾的,F-Measure是精确率和召回率的加权调和平均
Fα−Measure=(α2+1)×Precision×Recallα2×(Precision+Recall)
F_\alpha-Measure=\frac{(\alpha^2+1)\times Precision \times Recall}{\alpha^2 \times (Precision + Recall)}
Fα−Measure=α2×(Precision+Recall)(α2+1)×Precision×Recall
当α=1\alpha=1α=1时,即为最常见的F1-Measure
F1=2×Precision×RecallPrecision+Recall
F1=\frac{2 \times Precision \times Recall}{Precision + Recall}
F1=Precision+Recall2×Precision×Recall
马修斯相关系数
马修斯相关系数(Matthews Correlation Coefficient)本质上是一个描述实际分类与预测分类之间的相关系数,它的取值范围为[0,1][0,1][0,1],取值为1时表示对受试对象的完美预测,取值为0时表示预测的结果还不如随机预测的结果,-1是指预测分类和实际分类完全不一致。
MCC=TP×TN−FP×FN(TP+FP)×(TP+FN)×(TN+FP)×(TN+FN)
MCC=\frac{TP \times TN - FP \times FN}{\sqrt{(TP+FP) \times (TP+FN) \times (TN+FP) \times (TN+FN)}}
MCC=(TP+FP)×(TP+FN)×(TN+FP)×(TN+FN)TP×TN−FP×FN