分类器性能评价标准

最新推荐文章于 2023-05-15 17:00:00 发布

原创最新推荐文章于 2023-05-15 17:00:00 发布 · 1.3k 阅读

CC 4.0 BY-SA版权

文章标签：

1 篇文章

订阅专栏

1 篇文章

订阅专栏

1 篇文章

订阅专栏

本文介绍了分类器性能评价的关键指标，包括准确度、错误率、查全率和查准率，并通过混淆矩阵详细解释了这些指标的计算方式，为数据挖掘中的分类器评估提供了清晰的理解。

分类器性能评价标准有很多，其中比较常用的主要有准确度、错误率、查全率、查准率、F1等。

分类器对测试样本进行分类时，一部分样本被正确分类，一部分样本被错误分类。可以用混淆矩阵对这两种分类结果可视化：

对角线上是被正确分类的样本，分别是被正确分类的正例（TP个）、被正确分类的负例（TN个）。

次对角线上是被错误分类的样本，分别是被错误分类正例（FP个）、被错误分类的负例（FN个）。

那么：

被正确分类的样本量P = TP + TN

被错误分类的样本量N = FP + FN

样本总数C = P + N

1）准确度：正确分类的测试样本个数占测试样本总数的比例

Accuracy = P / C =（TP + TN）/ C

2）错误率：错误分类的测试样本个数占测试样本总数的比例

Error Rate = 1 - Accuracy = 1 - （TP + TN） / C = (FN + FP) / C

3）查准率（Precision）：正确分类的正例个数占分类为正例个数的比例

Precision = TP / （TP + FP）

4）查全率（Recall）：正确分类的正例个数占实际正例个数的比例

Recall = TP / P

5）F1：查全率和查准率的调和平均数

F1 = 2×Recall×Precision / (Recall + Precision)