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 ...
最新文章
- 每年颁发两个图灵奖?
- Matlab赋值语句
- 月活675万 三翼鸟以三大能力“重建”行业赛道
- pycharm 提示 ennble Code compatibility inspection(代码兼容性检查)
- js数据类型判断和数组判断
- Wix 安装部署教程(十二) -- 自动更新WXS文件
- golang:Linux下安装go环境
- (100)详细描述一个你做过的项目, 面试必问(二十四)(第20天)
- 引用、取址运算符、解引用运算符——傻傻分不清楚
- mybatis添加数据时返回主键 insert 返回主键值
- 既然谭浩强的C语言教材不好,那应该选什么书作C语言教材?
- cisco2811 路由器修改密码
- sdr 软件_将永远改变我们业余无线电爱好的SDR软件定义无线电技术
- 我要考华为认证,需不需要培训呢?
- dell服务器进系统失败,如何解决Dell服务器系统开机提示错误
- k8s多节点仪表盘(web界面 ) dashboard 部署 与 谷歌浏览器访问仪表盘问题
- 地图 svg中国地图、echarts百度迁徙图
- 【C++】最近公共祖先 LCA
- C/C++语言100题练习计划 84——分数线划定(结构体+快排函数)
- 【JC-2 DC220V冲击继电器】
热门文章
- 机器学习基础知识、与图像处理等技术的关系
- [IOS APP] 夜听刘筱
- 2022安卓记事本便签app
- nginx反向代理地址是域名时请求不通的情况
- 上海市高校计算机等级(一级)考试成绩查询,上海市高校计算机等级考试(一级).doc...
- 手机远程管理服务器软件,远程控制软件 手机远程管理服务器
- Win10 安装软件报错:管理员已阻止你运行此应用
- 潘粤明的《龙岭迷窟》到底怎么样?我用 Python 得出了一些结论!
- Photoshop文字之——打造撕纸文字效果
- 2016 最新开发者账号 · 邓白氏申请申请流