评价机器学习系统性能好坏的指标有

Question

如题所述

Answer 1

机器学习评价指标 对于 机器学习 中 评价 模型 性能 的 指标 ，常用的有 准确率 、精度、 召回率 、P-R曲线、F1 分数、ROC、AUC以及混淆矩阵等。

1、召回率（Recall）：正样本有多少被找出来（召回了多少）

2、精确率（Precision）：检测为正样本的结果中有多少是正确的（猜的精确性如何）

3、准确率（Accuracy）：预测正确的比例（正负样本）

样例：假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。

TP（true positives）: 将正类预测为正类数 40

FN（false negatives）: 将正类预测为负类数 20

FP（false positives）: 将负类预测为正类数 10

TN（true negatives）: 将负类预测为负类数 30

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%

精确率(precision) = TP/(TP+FP) = 80%

召回率(recall) = TP/(TP+FN) = 2/3