matlab 召回率,查准率、召回率、敏感性、特異性和F1-score的計算及Matlab實現

查准率(Precision)：所有診斷為患病(1)樣本中實際為患病的比率。

召回率(Recall)：所有患病樣本中被發現並診斷為患病的比率。

查准率 = TP/(TP+FP)

召回率 = TP/P = TP/(TP+FN)

敏感性 = TP/P = TP/(TP+FN)

特異性 = TN/N = TN/(TN+FP)

F1-Score = 2*Precision*Recall/(Precision+Recall)

可以利用CV集通過比較不同判斷閾值得到的F1來判斷用哪個閾值更好。

查准率、召回率、敏感性、特異性和F1-score的計算及Matlab實現：

%樣本標記為0和1，num為選取前n個特征的數據用於分類

%需要安裝好SVM

function [sens,spec,F1,pre,rec,acc] = SEERES(train,trainclass,test,testclass,num)

acc = zeros(num,1);

sens = zeros(num,1);

spec = zeros(num,1);

F1 = zeros(num,1);

pre = zeros(num,1);

rec = zeros(num,1);

FeatureNumber = zeros(num,1);

[len,b]=size(testclass);

for n=1:num

label = trainclass;

data = train(:,1:n);

testlabel = testclass;

testdata = test(:,1:n);

model=svmtrain(label,data,'-s 0 -t 0 -b 1');%默認C-SVC類型，0 線性 2 RBF,-b會輸出概率

[predictlabel,accuracy,Scores]=svmpredict(testlabel,testdata,model,'-b 1');

acc(n,1) = accuracy(1,1);

FeatureNumber(n,1) = n;

tp = 0;

fn = 0;

fp = 0;

tn = 0;

for y = 1:len

if predictlabel(y,1)==1 && testclass(y,1)==1

tp=tp+1;

elseif predictlabel(y,1)==1 && testclass(y,1)==0

fp=fp+1;

elseif predictlabel(y,1)==0 && testclass(y,1)==1

fn=fn+1;

elseif predictlabel(y,1)==0 && testclass(y,1)==0

tn=tn+1;

end

sens(n,1) = tp/(tp+fn);

spec(n,1) = tn/(tn+fp);

pre(n,1) = tp/(tp+fp);

rec(n,1) = sens(n,1);

F1(n,1) = 2*(pre(n,1)*rec(n,1))/(pre(n,1)+rec(n,1));

end

H(θ) > 0.5 1類；

H(θ) <= 0.5 0類；

通過提升歸為1類的閾值，如H(θ) > 0.7為1類，可以提高查准率，即診斷為患病時這個結果此時更可靠。

通過降低歸為1類的閾值，如H(θ) > 0.3為1類，可以提高召回率，即診斷為健康時這個結果此時更可靠。

matlab 召回率,查准率、召回率、敏感性、特異性和F1-score的計算及Matlab實現相关推荐

全面梳理：准确率,精确率,召回率,查准率,查全率,假阳性,真阳性,PRC,ROC,AUC,F1
二分类问题的结果有四种: 逻辑在于,你的预测是positive-1和negative-0,true和false描述你本次预测的对错 true positive-TP:预测为1,预测正确即实际1 fal ...
机器学习面试题集-图解准确率，精确率，召回率
https://www.toutiao.com/a6692359723615781389/ 今天进入第二章:模型评估 1. 什么是模型评估模型训练后要对其进行评估,看模型表现如何,哪里可以改进分类 ...
分类指标：准确率、精确率、召回率、F1 score以及ROC、AUC、宏平均、加权平均
本文将介绍: 混淆矩阵(Confusion Matrix) 准确率(accuracy) 召回率(recall) 精确率(precision) F1score ROC和AUC 宏平均(macro avg ...
F1 Score详解查准率较高召回率较低怎末处理？
[机器学习]F1分数(F1 Score)详解及tensorflow.numpy实现_zjn-ai的博客-CSDN博客_f1分数西瓜好坏二分类:模型预测出来:A分为好西瓜类(A中有好的有坏的) B分为 ...
机器学习评价指标（1）——灵敏度（sensitivity）/查准率/召回率（Recall）/和特异度（Specificity）
1. 敏感性和特异性理想状态:标准或者阈值在分界点实际状况:漏诊和误诊二者择一若选用绿线作为判断标准,则没有误判一个正常人,但是漏掉了部分患者.这种情况下,特异度最高: 特异度(TNR):tru ...
搞懂敏感性、特异性以及精确率和召回率的关系
文章目录 1.引言 2.定义 3.例子 1.低精确率,高召回率,高特异性 2.高精确率,高召回率,低特异性 3.高精确率,低召回率,高特异性 4.低精确率,低召回率,高特异性 5.高精确率,低召回率, ...
【20210914】【机器/深度学习】模型评价指标：精确率、召回率、特异性、敏感性、F1-score、ROC曲线、AUC
一.区分精确率.召回率和特异性.敏感性在数据科学中,查看精确率和召回率来评估构建的模型是十分常见的.而在医学领域,通常使用特异性和敏感性来评估医学测试.这一点在兆观的论文.以及 xxx院的沟通过程中 ...
准确率(Accuracy)，精确率/查准率(Precision)，召回率/查全率(Recall)和F1-Measure
机器学习(ML), 自然语言处理(NLP), 信息检索(IR)等领域, 评估(Evaluation)是一个必要的工作, 而其评价指标往往有如下几点: 准确率(Accuracy), 精确率(Precis ...
人工智能之 NLP的Precision(查准率,精确率),Recall(查全率,召回率),Accuracy(准确率)以及综合评价指标(F1-Measure)
目录〇.推荐一.简述二.罗里吧嗦三.精确率.召回率.F1 四.AP和mAP(mean Average Precision) 五.ROC和AUC 六.总结〇.推荐无意中发现了一个巨牛的人工智 ...

matlab 召回率,查准率、召回率、敏感性、特異性和F1-score的計算及Matlab實現

matlab 召回率,查准率、召回率、敏感性、特異性和F1-score的計算及Matlab實現相关推荐

最新文章

热门文章