混淆矩阵（评价模型的重要指标）

如上图，有以下规律：深绿色为预测真确，浅绿色为预测错误，也可以说以T开头的都是预测对的，以F开头的都是预测错误的。比如TP：即预测为真的实际也为真的样本数量，反过来，FP：即为预测为真实际为假，即假真（很拗口，可以把真改为分类更好理解，比如TP：解释为分类1被正确预测为分类1）。（这里是二分类，多分类也可以画一个这个表，左上到右下的对角线上的则为分类预测正确的样本）

举例描述

下面的描述，举个例子：公司办化妆舞会，有些男人扮做女人，有些女人扮做男人。找一个陌生人给每个人贴上他认为是男是女的标签（即预测过程）。

Accuracy（精确度）：(TP+TN)/(TP+TN+FP+FN)。即所有被贴对性别标签的人占总人数的比例。就是【预测正确的样本】数占【总样本的数量】的百分比。
Precision（查准率）：也有叫正确率，准确度的。TP/(TP+FP)。即随机找出被贴上男性标签的人，其中【真男人】有多少。
Recall（查全率）：也叫召回率。TP/(TP+FN)。即随机找出一批真男人（TP：真男人，FN：假女人也是真男人），其中被贴上【真男人】标签的有多少。
F1（综合得分）：综合了Precision和Recall

【ML】混淆矩阵（Accuracy，Precision，Recall，F1）相关推荐

算法模型评价详解：confusion matrix Accuracy Precision Recall F1 调和平均加权F1 Micro-F1 Macro-F1 PRC ROC AUC
目录问题定义 confusion matrix Accuracy Precision和Recall和PRC F1和调和平均加权F1 Micro-F1和Macro-F1 ROC和AUC PRC对比R ...
多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨
https://zhuanlan.zhihu.com/p/147663370?from_voters_page=true 众所周知,机器学习分类模型常用评价指标有Accuracy, Precision ...
机器学习模型常用评价指标（Accuracy, Precision, Recall、F1-score、MSE、RMSE、MAE、R方）
前言众所周知,机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score,而回归模型最常用指标有MAE和RMSE.但是我们真正了解这些评价指标的意义吗? ...
Accuracy, Precision, Recall和F1-score解释
本文解释分类问题常用评价指标Accuracy, Precision, Recall和F1-score 主要参考以下文章多分类模型Accuracy, Precision, Recall和F1-scor ...
sklearn.metrics —— 混淆矩阵及其绘制、Accuracy/Precision/Recall/F1-score
1. confusion_matrix sklearn 关于 confusion_matrix 混淆矩阵接口的定义十分清楚:sklearn.metrics.confusion_matrix(y_tru ...
分类模型计算混淆矩阵
1. 什么是混淆矩阵混淆矩阵是评判模型结果的一种指标,属于模型评估的一部分,常用于评判分类器的优劣.即,混淆矩阵是评判模型结果的指标,属于模型评估的一部分. 此外,混淆矩阵多用于判断分类器(Clas ...
混淆矩阵介绍以及评价指标(准确率，精确率，召回率，特异度，假警报率，G-mean，F1_score，KS值)
混淆矩阵混淆矩阵(Confusion Matrix),可以理解为就是一张表格.混淆这个名字还是很有内涵的,咳咳. 混淆矩阵是判断分类好坏程度的一种方法.另外还有ROC曲线和AUC曲线. 以分类模型中 ...
R语言构建混淆矩阵(仿真数据)并基于混淆矩阵（confusion matrix）计算并计算Accuracy、Precision、Recall（sensitivity）、F1、Specificity指标
R语言构建混淆矩阵(仿真数据)并基于混淆矩阵(confusion matrix)计算并计算Accuracy.Precision.Recall(sensitivity).F1.Specificity指标 ...
Python混淆矩阵（confusion_matrix）FP、FN、TP、TN、ROC，FROC，精确率(Precision)，召回率(Recall)，准确率(Accuracy)，F1分数详述与实现
目录一.FP.FN.TP.TN 二.准确率(Accuracy).精确率(Precision).召回率(Recall).F1score 2.1.准确率(Accuracy) 2.2.召回率(Recall ...

【ML】混淆矩阵（Accuracy，Precision，Recall，F1）

混淆矩阵（评价模型的重要指标）

举例描述

【ML】混淆矩阵（Accuracy，Precision，Recall，F1）相关推荐

最新文章

热门文章