数据分类分析--分类器评估方法

---

一、基本概念

真正例/真阳例（TP）：预测正确的正例
真负例/真阴例（TF）：预测正确的负例
假正例/假阳例（FT）：错误得预测为正例，实际为负例
假负例/假阴例（FP）：错误得预测为负例，实际为正例

二、混淆矩阵

其中第一行可以看成实际为正，第二行看成实际为假，
第一列看成预测为正，第二列看出预测为假。

准确率，识别率：（TP + TN）/（TP + FN + FP + TN）
错误率：（FP + FN）/（TP + FN + FP + TN）
召回率（实际正例中，预测为正例的比例）：TP / （TP + FN）
精确率（预测为正例当中，实际正例得比例）：TP / （TP + FP）
F分数：（2 * recall * precision）/（precision + recall）

---

三、多分类模型评价指标

Macro Average（宏平均）：
所以类别的每一个统计指标值的算术平均值，例如宏精确率，宏召回率，宏F值。

Micro Average（微平均）
将所有类别的TP,FP,TN,FN分别合起来，建立全局混淆矩阵，对应的微精确率，微召回率，微F值。