关于混淆矩阵以及分类问题的概述

分类算法 - 问题的定义

在日常生活中，我们常常会根据一个人的外貌特征，区分一个人是男还是女，这就是一个分类问题；那什么是分类算法呢，分类算法其实就是运用算法的形式，将上述问题通过分类的方式进行解决，属于一种预测任务；常见的方式是通过收集多项特征x，通过分类器f(.)进行分类，得到最终的预测值y。

目前，分类算法通常为用于解决以下相关问题：

混淆矩阵

根据百度百科的定义，混淆矩阵其实就是误差矩阵，是表示进度评价的一种标准格式，通常用n行n列的矩阵形式表示。人工智能中的混淆举矩阵表现形式通常如下：

关于混淆矩阵，我们需要弄清几个概念：

真正率/灵敏度：TPR = TP/(TP+FN)

真负率/特指度：TNR = TN/(FP+TN)

假正率：FPR = FP/(FP+TN)

假负率：FNR = FN/(TP+FN)

精准率/查准率：P= TP/(TP+FP)

召回率/查全率：R= TP/(TP+FN)  *实际上就是真正率TPR

F1-score：精准率和召回率的调和函数：

1/F = (1/P+1/R)/2

此外，还有关于ROC和AUC的知识，可参考https://www.cnblogs.com/futurehau/p/6109772.html