机器学习——评价指标

整理自：

https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1

• 分类器的好坏

---

1.分类器的好坏

这里首先要知道TP、FN（真的判成假的）、FP（假的判成真）、TN四种（可以画一个表格）。 
几种常用的指标：

• 精度precision = TP/(TP+FP) = TP/~P （~p为预测为真的数量）
• 召回率 recall = TP/(TP+FN) = TP/ P
• F1值： 2/F1 = 1/recall + 1/precision
• ROC曲线：ROC空间是一个以伪阳性率（FPR，false positive rate）为X轴，真阳性率（TPR, true positive rate）为Y轴的二维坐标系所代表的平面。其中真阳率TPR = TP / P = recall， 伪阳率FPR = FP / N