二分类：评价指标（TPR、Recall、Precision、Accuracy、AUROC、AUPR）

参考：
1、如何解释召回率、精确率？
2、什么是真、伪阳性率【详细讲解】
3、机器学习中的F1-score

一、定义

1、二分类情况下，有正、负样本（即：阳性、阴性）

2、根据真实类别、预测类别的不同，可以大致划分为以下四种情况：

1、真阳性率 TPR（True Positive Rate）

也叫召回率，Recall。是指正类样本中，有多少被正确预测为正类【针对于原来样本来说的】

正类样本：真阳、假阴

TPR=TP/（TP+FN）

区分

Precision，也叫精确率。是指被预测为阳性的样本中，有多少是预测正确的【针对于预测结果来说的】

Precision=TP/（TP+FP）

区分

Accuracy，也叫准确率。包括正、负样本

Accuracy = （TPR+TNR）/2

2、TNR、FPR、FNR，同理

真阴性率 TNR（True Negative Rate）
假阳性率 FPR（False Positive Rate）
假阴性率 FNR（True Negative Rate）

3、AUROC（Area Under ROC，ROC曲线下面积）

1、什么是ROC曲线？

【二分类是通过“阈值”来划分正、负类的】

横轴：FPR
纵轴：TPR

2、

4、AUPR（Area Under PR）

1、什么是PR曲线？

横轴：TPR
纵轴：Precision

也分别叫作
（1）查全率：说明你的模型或者方法可以预测出较多的数据
（2）查准率：说明所预测的样本的正确性较高

2、总结

pr曲线因为涉及到精确率precision计算，容易受到样本分布的影响。一般来说，用于平衡数据集。而ROC曲线则，既可以用于平衡数据集，也可以用于不平衡数据集

关于ROC、PR曲线的更详细解释

5、F1-Score

6、实现

以上指标在具体python代码中，可以调用sklearn.metrics下的对应函数

1、sklearn.metrics.roc_auc_score(y_true, y_score, *, average=‘macro’, sample_weight=None, max_fpr=None, multi_class=‘raise’, labels=None)

2、sklearn.metrics.average_precision_score(y_true, y_score, *, average=‘macro’, pos_label=1, sample_weight=None)

2、sklearn.metrics.f1_score(y_true, y_pred, labels=None, pos_label=1, average=’binary’, sample_weight=None)

二分类：评价指标（TPR、Recall、Precision、Accuracy、AUROC、AUPR）相关推荐

YOLO计算二分类目标检测的Precision、Recall代码实现
计算二分类目标检测的Precision.Recall.TP.FP.FN 必备文件计算思路完整代码必备文件经过模型检测得到的检测矩形框结果txt,以及原Ground truth的txt,格式如下 ...
SKlearn二分类评价指标
SKlearn的Metrics模块下有有许多二分类算法的评价指标,这里我们主要讨论最常用的几种. 1.准确度(Accuracy) from sklearn.metrics import accurac ...
二分类和多分类问题的评价指标总结
1 二分类评价指标准确率,精确率,召回率,F1-Score, AUC, ROC, P-R曲线 1.1 准确率(Accuracy) 评价分类问题的性能指标一般是分类准确率,即对于给定的数据,分类正确的 ...
二分类问题的micro-F1 score（f值）和Accuracy（准确度）
直接上结论: 二分类的micro-F1 score和Accuracy的值相等时隔一年多看到了完整细致的文章,同样说明了micro-F1和accuracy和recall和precision相等,同时还 ...
python的print保留四位小数——TPR计算器——二分类TPR——五分类TPR
仅作为记录,大佬请跳过. 文章目录 print保留四位小数二分类TPR计算器五分类TPR计算器全部代码使用展示参考 print保留四位小数 print(format(TPR,'.4f')) ...
常用分类评估指标（二分类多分类）
一直想写篇度量指标的文章,梳理一下这块的知识点,可能想了太多次,总以为自己已经写过了,今天看文章列表,竟然没有相关的内容,刚好最近在做多分类模型,借此机会整理一下. 混淆矩阵(confusion ma ...
二分类指标Precision、Recall、Accuracy、F score、TPR、FPR、MCC
Ture Positive Rate (TPR):TPTP+FN\frac{TP}{TP+FN}TP+FNTP,考察分类器在GT为阳性的样本中预测正确的比例. False Positive Rate ...
准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure（对于二分类问题）
首先我们可以计算准确率(accuracy),其定义是: 对于给定的测试数据集,分类器正确分类的样本数与总样本数之比.也就是损失函数是0-1损失时测试数据集上的准确率. 下面在介绍时使用一下例子: 一个 ...
[机器学习] 二分类模型评估指标---精确率Precision、召回率Recall、ROC|AUC
一为什么要评估模型? 一句话,想找到最有效的模型.模型的应用是循环迭代的过程,只有通过持续调整和调优才能适应在线数据和业务目标. 选定模型时一开始都是假设数据的分布是一定的,然而数据的分布会随着时间 ...