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