数据挖掘 – 分类的模型评估度量

混淆矩阵 CM（Confusion Matrix）

actual/precide	Yes	No	合计
Yes	TP	FN	P
No	FP	TN	N
合计	P^	N^	P+N 或者 P^ + N^

术语	含义	例子
TP（True Postive） :	正确分类的正元组	buy_computer = yes 的元组，被分类器预测为 buy_computer = yes
TN（True Negative） :	正确分类的负元组	buy_computer = no 的元组，被分类器预测为 buy_computer = no
FP（False Postive） :	错误标记为正元组的负元组	buy_computer = no 的元组，被分类器预测为 buy_computer = yes
FN（False Negative） :	错误标记为负元组的正元组	buy_computer = yes 的元组，被分类器预测为 buy_computer = no

度量

度量	公式	含义
准确率、识别率（accuracy）	TP+TNP+N\frac{TP+TN}{P+N}P+NTP+TN	正确分类元组的占比
错误率、误分类率（error rate / 1-accuracy）	FP+FNP+N\frac{FP+FN}{P+N}P+NFP+FN	错误分类元组的占比
敏感度、真正例率、召回率（ recall / sensitivity）	TPP\frac{TP}{P}PTP	正确识别的正元组的占比
特效性、真负例率（ specificity）	TNN\frac{TN}{N}NTN	正确识别的负元组的占比
精度（precision）	TPTP+FP\frac{TP}{TP+FP}TP+FPTP	标记为正类的元组实际为正类所占的百分比
F、F1、F分数	2∗precision∗recallprecision+recall\frac{2 * precision * recall}{precision+ recall}precision+recall2∗precision∗recall	精度和召回率的调和均值（另一种使用precision和recall的方法）
FβF_βFβ : β是非负实数	(1+β2)∗precision+recallβ2∗precision+recall\frac{(1+β^2) precision+ recall}{β^2precision+ recall}β2∗precision+recall(1+β2)∗precision+recall	也是另一种使用precision和recall的方法

ROC

轴	含义	公式
Y轴（TPR）	sensitivity / recall	TPP\frac{TP}{P}PTP
X轴（FPR）	1-specificity	FPN\frac{FP}{N}NFP

相关文章：
https://jingyan.baidu.com/article/63acb44acf685161fcc17ec9.html
https://www.plob.org/article/12476.html

数据挖掘 -- 分类的模型评估度量相关推荐

多种分类以及模型评估
多种分类以及模型评估分类获取mnist数据集获取训练数据和标签数据标准化及数据集划分训练二分类器划分数据集随机梯度下降分类性能测试使用交叉验证测量准确率傻瓜版分类器混淆矩阵随机 ...
数据挖掘读书笔记--第八章(下)：分类：模型评估与选择、提高分类器准确率技术
散记知识点 --"评估分类器,提高分类器" 5. 模型评估与选择 5.1 评估分类器性能 (1) 评估分类器性能的度量评估分类器性能的度量主要有:准确率(识别率).敏感度(召回率 ...
不平衡多分类问题模型评估指标探讨与sklearn.metrics实践
我们在用机器学习.深度学习建模.训练模型过程中,需要对我们模型进行评估.评价,并依据评估结果决策下一步工作策略,常用的评估指标有准确率.精准率.召回率.F1分数.ROC.AUC.MAE.MSE等等,本 ...
【深度学习】深度学习分类与模型评估
内容大纲分类和回归之外的机器学习形式评估机器学习模型的规范流程为深度学习准备数据特征工程解决过拟合问题处理机器学习问题的通用流程监督学习的主要种类及其变种主要包括两大类问题: 分类回 ...
机器学习模型评估的方法总结（回归、分类模型的评估）
建模的评估一般可以分为回归.分类和聚类的评估,本文主要介绍回归和分类的模型评估: 一.回归模型的评估主要有以下方法: 指标描述 metrics方法 Mean Absolute Error(MAE) ...
（1-4）sklearn库的----模型评估
5,模型评估与选择务必记住那些指标适合分类,那些适合回归. 一,分类问题常见的分类模型包括:逻辑回归.决策树.朴素贝叶斯.SVM.神经网络等, 分类的模型评估指标包括以下几种: 1.TPR.FPR ...
R语言分类模型：逻辑回归模型LR、决策树DT、推理决策树CDT、随机森林RF、支持向量机SVM、Rattle可视化界面数据挖掘、分类模型评估指标（准确度、敏感度、特异度、PPV、NPV）
R语言分类模型:逻辑回归模型LR.决策树DT.推理决策树CDT.随机森林RF.支持向量机SVM.Rattle可视化界面数据挖掘.分类模型评估指标(准确度.敏感度.特异度.PPV.NPV) 目录
分类决策树考虑了经验风险吗_数据挖掘导论第4章分类：基本概念、决策树与模型评估...
第4章分类:基本概念.决策树与模型评估分类(classification):分类任务就是通过学习得到一个目标函数(target function)f,把每个属性集x映射到一个余弦定义的类标号y.目 ...
数据挖掘 —— 模型评估
数据挖掘 -- 模型评估 1.分类模型评估(一) 1.1 二分类模型 1.2 多分类模型 1.3 代码 2.分类模型评估(二) 2.1 ROC 与 AUC 2.2 代码 1.分类模型评估(一) 1.1 ...

数据挖掘 -- 分类的模型评估度量

数据挖掘 – 分类的模型评估度量

混淆矩阵 CM（Confusion Matrix）

度量

ROC

相关图像

数据挖掘 -- 分类的模型评估度量相关推荐

最新文章

热门文章