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 (FPR)：FPFP+TN\frac{FP}{FP+TN}FP+TNFP，考察分类器在GT为阴性的样本中预测错误的比例。
AUC：ROC曲线下的面积，综合考察分类器的性能。
Percision：TPTP+FP\frac{TP}{TP+FP}TP+FPTP，考察在分类器预测为阳性的样本中，预测正确的比例。
Recall：TPTP+FN\frac{TP}{TP+FN}TP+FNTP，和TPR一样。
Average Precision (AP)：PR曲线下的面积，综合考察分类器的性能。
ACC：TP+TNTP+FP+FN+TN\frac{TP+TN}{TP+FP+FN+TN}TP+FP+FN+TNTP+TN，考察分类器在所有样本中预测正确的比例。
F1 score：21Precision +1Recall \frac{2}{\frac{1}{\text { Precision }}+\frac{1}{\text { Recall }}} Precision 1+ Recall 12，计算Precision和Recall两个指标的调和平均数，综合考虑了分类器在这两个指标上的表现。
Fβ\betaβ score：1+β2β21Recall +1Precision \frac{1+\beta^{2}}{\beta^{2} \frac{1}{\text { Recall }}+\frac{1}{\text { Precision }}}β2 Recall 1+ Precision 11+β2，相比F1 score，Fβ\betaβ score可以调整权重，让指标更加关注分类器在Recall或者Precision上的性能（例如F2 score更加关注Recall）。
Matthews correlation coefficient (MCC)：TP×TN−FP×FN(TP+FP)(TP+FN)(TN+FP)(TN+FN)\frac{TP \times TN-FP \times FN}{\sqrt{(TP+FP)(TP+FN)(TN+F P)(TN+FN)}}(TP+FP)(TP+FN)(TN+FP)(TN+FN)TP×TN−FP×FN，综合考虑了TP、FP、FN、TN四种情况，即使在两类别的样本含量差别很大时，也可以使用这个指标。（不是很理解这个指标，于是从网上查到了该指标的含义）

二分类指标Precision、Recall、Accuracy、F score、TPR、FPR、MCC相关推荐

机器学习中的precision, recall, accuracy, F值
假设用机器学习方法解决某个二元分类问题,在分析比较不同模型时常看到这些指标. 四个概念:TP,FP,TN,FN TP(True Positive):在判定为positive的样本中,判断正确的数目. ...
机器学习中的precision, recall, accuracy, F值，ROC曲线
参考: 假设用机器学习方法解决某个二元分类问题,在分析比较不同模型时常看到这些指标. 四个概念:TP,FP,TN,FN TP(True Positive):在判定为positive的样本中,判断正确的 ...
机器学习（五）之评价指标：二分类指标、多分类指标、混淆矩阵、不确定性、ROC曲线、AUC、回归指标
文章目录 0 本文简介 1 二分类指标 1.1 二分类时的错误类型 1.2 不平衡的数据 1.3 混淆矩阵 1.4 考虑不确定性 1.5 准确率-召回率曲线 1.6 ROC与AUC 2 多分类指标 3 ...
性能评估指标（Precision, Recall, Accuracy, F1-measure）
文章目录一个例子 Precision 精准率召回率其他 Reference 一个例子首先我们看下面的一个表格,也是经典的二分类问题,常常会看见的表格: 如上表所示,行表示预测的label值,列 ...
机器学习中的评价指标(分类指标评Accuracy、Precision、Recall、F1-score、ROC、AUC ）（回归指标评价MSE、RMSE、MAE、MAPE、R Squared）
文章目录 1.机器学习中的评价指标基础 (一)分类指标评价 1.Accuracy 2.Precision.查准率 3.Recall.查全率 4.F1-score 举个例子: 5.ROC 6.AUC ...
多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨
https://zhuanlan.zhihu.com/p/147663370?from_voters_page=true 众所周知,机器学习分类模型常用评价指标有Accuracy, Precision ...
机器学习模型常用评价指标（Accuracy, Precision, Recall、F1-score、MSE、RMSE、MAE、R方）
前言众所周知,机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score,而回归模型最常用指标有MAE和RMSE.但是我们真正了解这些评价指标的意义吗? ...
多类别分类任务(multi-class)中为何precision,recall和F1相等？
文章目录背景: precision, recall和F1 score的定义 micro averaging的计算及其示例 macro averaging 和 weighted averaging m ...
二分类问题中的评估指标，附代码（超详细）
文章目录具体参考: 二分类指标汇总混淆矩阵精确率.召回率.F1 准确率对数损失 AUC GAUC ks 样本不平衡时的可用指标考虑负样本的F1 Specificity G-Mean MCC ...

二分类指标Precision、Recall、Accuracy、F score、TPR、FPR、MCC

二分类指标Precision、Recall、Accuracy、F score、TPR、FPR、MCC相关推荐

最新文章

热门文章