机器学习性能评估指标汇总


  • Accuracy:准确率
  • Precision:精确率 / 查准率
  • Recall:召回率 / 查全率
  • F1 score:F1 值
  • PR:查准率、查全率曲线
  • ROC:真正率、假正率曲线
  • AUC:ROC曲线下方的面积(Area Under Curve)

混淆矩阵(Confusion Matrix):

P:positive  N:negative


1、Accuracy:准确率

预测正确的样本占总样本的比例:


2、Precision:精确率 / 查准率

预测的真正例占预测为正例的比例:


3、 Recall:召回率 / 查全率

预测的真正例占实际为正例的比例:


4、 F1 score:F1 值

Precision 和 Recall 的权衡(trade-off)


5、PR 曲线:查准率、查全率曲线

PR曲线:
根据不同的阈值得到的混淆矩阵计算 Precision、Recall。横坐标为Recall,纵坐标为 Precision。PR曲线越右左上角凸越好。
如果A模型的曲线完全向下包住B模型曲线,则A模型好于B模型。


6、ROC 曲线:真正率、假正率曲线

TPR:就是Recall

FPR:预测为假正例占实际为假正例的比例

ROC曲线:
根据不同的阈值得到的混淆矩阵计算 TPR、FPR。横坐标为 FPR,纵坐标为 TPR。
正常情况下 TPR 和 FPR 是正相关的。如果随着 TPR 的增加而 FPR 增加较少,则该阈值是好的。ROC曲线越向左上角凸越好。
如果A模型的曲线完全向下包住B模型曲线,则A模型好于B模型。


7、AUC:ROC曲线下方的面积(Area Under Curve)

AUC:
AUC越大越好,表示ROC曲线越向左上角凸。


机器学习性能评估指标汇总相关推荐

  1. auuc 评估指标_机器学习性能评估指标汇总

    跑完分类模型(Logistic回归.决策树.神经网络等),我们经常面对一大堆模型评估的报表和指标,如ACC.ROC.AUC等,对以上提到的各个评估指标逐一点评,并力图表明: 指标分类 学习分类 性能指 ...

  2. 机器学习性能评估指标(综合性总结)

    转自:http://charleshm.github.io/2016/03/Model-Performance/ 分类 混淆矩阵1 True Positive(真正, TP):将正类预测为正类数. T ...

  3. 【理论 | 代码】机器学习分类与回归性能评估指标大全

    一.回归指标 1.1 均方误差(Mean Squared Error, MSE) MSE 称为均方误差,又被称为 L2 范数损失,该统计参数是预测数据和原始数据对应点误差的平方和的均值,公式如下: M ...

  4. auuc 评估指标_分类之性能评估指标

    本文主要介绍几种常用的用于分类的性能评估指标,同时介绍如何绘制ROC曲线以及计算AUC值的便捷方法.最后再附上一个绘制ROC曲线和计算AUC的Python源码实现. Precision和Recall ...

  5. 机器学习模型评估指标总结!

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:太子长琴,Datawhale优秀学习者 本文对机器学习模型评估指标 ...

  6. 【机器学习基础】非常详细!机器学习模型评估指标总结!

    作者:太子长琴,Datawhale优秀学习者 本文对机器学习模型评估指标进行了完整总结.机器学习的数据集一般被划分为训练集和测试集,训练集用于训练模型,测试集则用于评估模型.针对不同的机器学习问题(分 ...

  7. 机器学习 | 分类评估指标

    文章目录 1. 分类评估指标 1.1 混淆矩阵 Confusion Matrix 1.1.1 scikit-learn 混淆矩阵函数接口 1.2 真阳性TP.假阳性FP.真阴性TN.假阴性FN 1.2 ...

  8. 机器学习模型评估指标ROC、AUC详解

    我是小z ROC/AUC作为机器学习的评估指标非常重要,也是面试中经常出现的问题(80%都会问到).其实,理解它并不是非常难,但是好多朋友都遇到了一个相同的问题,那就是:每次看书的时候都很明白,但回过 ...

  9. 16_非监督学习、k-means 4阶段、kmeans API、Kmeans性能评估指标、案例

    1.聚类算法介绍 关于聚类算法,可以查看:常见的六大聚类算法 2.k-means 4阶段 K-means通常被称为劳埃德算法,这在数据聚类中是最经典的,也是相对容易理解的模型.算法执行的过程分为4个阶 ...

最新文章

  1. JAXB –新手的观点,第1部分
  2. du的原理 linux_Linux 文件系统管理
  3. oracle consistent gets,Oracle buffer cache理解之七——统计信息!
  4. orcl导入dmp语句_oracle中导入dmp数据注意事项
  5. mysql dbuild_config_技术分享 | MySQL Test 初探
  6. python网络数据采集(伴奏曲)
  7. 通讯录获取源码_[源码和文档分享]基于Java语言的C/S模式通讯录备份和查询软件...
  8. 【漏洞利用】逻辑漏洞之任意账号密码重置详解
  9. 12生肖年份c语言,12生肖在什么年份最好运
  10. 学习Unity3D是一件痛并快乐着的事
  11. Docker系列文-----Docker的网络类型(4)
  12. 周志华 机器学习初步 线性模型
  13. java clh队列_J.U.C|同步队列(CLH)
  14. 基于Python中docx与docxcompose批量合并多个Word文档文件并逐一添加分页符
  15. [opencv][cpp] 学习手册3:多边形拟合
  16. 批处理 检测U盘插入并自动备份文件
  17. 图片不大于100kb怎么调?怎么自定义压缩图片大小?
  18. Google Firebase ANE 使用教程
  19. android listview中播放视频,支持全屏
  20. 成都理工大学计算机组成原理考试,计算机组成原理试题-20210320185321.doc-原创力文档...

热门文章

  1. 有返回值的多线程demo
  2. SPRING IN ACTION 第4版笔记-第三章ADVANCING WIRING-003-@Conditional根据条件生成bean及处理profile...
  3. [解决]Win7+Tomcat5.5 只能通过localhost或计算机名访问
  4. 使用Lambda表达式重构委托
  5. view bitmap 截图
  6. 用js实现统计字符串里面的出现次数最多的字符
  7. 破译。字符串匹配。HOJ1548 Crypt Kicker II。
  8. 讲一下python的背景知识
  9. HDU 3613 Best Reward 正反两次扩展KMP
  10. Mvc示例代码调试之一----调试工具及设置(用firebug与vs联合调试)