【ML】混淆矩阵(Accuracy,Precision,Recall,F1)
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 ...
最新文章
- 【SSH进阶之路】Struts + Spring + Hibernate 进阶开端(一)
- 如何在Node JS中卸载NPM模块?
- HibernateTemplate 的常见用法
- Delphi下的COM编程
- android jni 字符串拼接,JNI 字符串拼接方法
- C++学习笔记:(六)public、protected、private继承详解
- js aes加密_nodejs中使用Crypto-JS对图片进行加解密
- react --- 隔代传递参数的三种方式
- ARM 汇编学习——编写简单的ARM汇编程序
- 记录一次,事务遇到消息发送,疏忽给自己挖坑
- 开源社区团购微商城小程序,直播
- 【Python成长之路】机器学习:10+分类算法汇总学习
- redis:set数据类型和操作
- 云计算、人工智能、大数据等当前火热的技术,都离不开它!
- c++学习笔记--C++Primer第4版--标准库类型string
- MQ通道搭建以及连通性检查
- 橘子origin游戏平台如何绑定登陆验证/二次验证码?
- wireshark分析ICMP数据包
- 响应面matlab,响应面拟合
- 虚拟机安装debian教程