评价指标

  1)正确率(accuracy)

  正确率是我们最常见的评价指标,accuracy = (TP+TN)/(P+N),这个很容易理解,就是被分对的样本数除以所有的样本数,通常来说,正确率越高,分类器越好;

  2)错误率(error rate)

  错误率则与正确率相反,描述被分类器错分的比例,error rate = (FP+FN)/(P+N),对某一个实例来说,分对与分错是互斥事件,所以accuracy =1 -  error rate;

  3)灵敏度(sensitive)

  sensitive = TP/P,表示的是所有正例中被分对的比例,衡量了分类器对正例的识别能力;

  4)特效度(specificity)

  specificity = TN/N,表示的是所有负例中被分对的比例,衡量了分类器对负例的识别能力;

  5)精度(precision)

  精度是精确性的度量,表示被分为正例的示例中实际为正例的比例,precision=TP/(TP+FP);

  6)召回率(recall)

  召回率是覆盖面的度量,度量有多个正例被分为正例,recall=TP/(TP+FN)=TP/P=sensitive,可以看到召回率与灵敏度是一样的。

  7)其他评价指标

  • 计算速度:分类器训练和预测需要的时间;
  • 鲁棒性:处理缺失值和异常值的能力;
  • 可扩展性:处理大数据集的能力;
  • 可解释性:分类器的预测标准的可理解性,像决策树产生的规则就是很容易理解的,而神经网络的一堆参数就不好理解,我们只好把它看成一个黑盒子。

详细信息

https://www.cnblogs.com/mxp-neu/articles/5316989.html

准确率(Precision)和正确率(Accuracy)的区别相关推荐

  1. 准确率precison与正确率accuracy区别

    https://www.cnblogs.com/mxp-neu/articles/5316989.html

  2. precision和accuracy的区别?》

    在机器学习领域,precision和accuracy都是用来评估模型性能的指标,但其重点不同. Precision是指在所有预测为正类别的样本中,有多少个样本确实是正类别.具体来说,Precision ...

  3. 准确率 召回率_机器学习中F值(F-Measure)、准确率(Precision)、召回率(Recall)

    在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measure)等,下图是不同机器学习 ...

  4. 机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)

    转载自:https://www.cnblogs.com/Zhi-Z/p/8728168.html 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召回率(Recall) ...

  5. 机器学习:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线

    增注:虽然当时看这篇文章的时候感觉很不错,但是还是写在前面,想要了解关于机器学习度量的几个尺度,建议大家直接看周志华老师的西瓜书的第2章:模型评估与选择,写的是真的很好!! 以下第一部分内容转载自:机 ...

  6. 机器学习深度学习:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线

    增注:虽然当时看这篇文章的时候感觉很不错,但是还是写在前面,想要了解关于机器学习度量的几个尺度,建议大家直接看周志华老师的西瓜书的第2章:模型评估与选择,写的是真的很好!! 以下第一部分内容转载自:机 ...

  7. 机器学习模型评价指标:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线

    转自机器学习:准确率(Precision).召回率(Recall).F值(F-Measure).ROC曲线.PR曲线 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召 ...

  8. 准确率(Precision)、召回率(Recall)、F值对于模型的评估

    一.有哪些模型评估方法? 在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measur ...

  9. 机器学习各种模型评价指标:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线

    周志华老师的西瓜书的第2章:模型评估与选择 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召回率(Recall).F值(F-Measure)简介. 引言: 在机器学习 ...

最新文章

  1. oracle 用户 多个表空间
  2. java 各种数据类型的互相转换
  3. 比dropout更好的方法_比较自己的更好方法
  4. 逻辑运算符(LogicalOperator)
  5. mysql的时间用什么存储_MySQL存储时间类型选择的问题讲解
  6. springcloud 高可用的服务注册中心
  7. LDAP学习小结【仅原理和基础篇】
  8. 太湖之光超级计算机应用最高奖,世界最快超级计算机“神威·太湖之光”获得100多项应用成果...
  9. 《谷歌大数据经典论文读后感》
  10. html登陆注册功能实现,实现用户的登录注册功能
  11. isis宣告网络_ISIS是一个分级的链接状态路由协议
  12. 名帖97 赵孟頫 小楷《洛神赋》
  13. 联邦学习论文阅读:Variational Federated Multi-Task Learning
  14. Chinese New Year
  15. How to Daemonize in Linux
  16. 一、MySQL数据库设置默认时区
  17. 毕业感想--致04软件和工贸足球队
  18. Codeforces Round #764 (Div. 3)部分题解
  19. 美国历史最大10宗破产保护
  20. 山东大学软件学院2019软件测试考试回忆

热门文章

  1. @AspectJ切点函数详解
  2. kali Linux 黑安卓,黑苹果不再孤单,iPhone成功运行“黑安卓”(附教程)
  3. pkuseg分词的词性表
  4. 代码对比工具,我就用这7个!
  5. Merry Xmas | 用Matplotlib画个3D圣诞树送给你!~
  6. 第五章 Java API(四)
  7. Could not resolve dependencies for project xxx
  8. WSL2Linux 子系统(三)
  9. 如何卸载centos图形界面,并且可以开机直接进入文本界面
  10. CMD命令进入指定目录