衡量分类器的好坏

FN:False Negative,判负,实正。

FP:False Positive,判正,实负。

TN:True Negative,判负,实负。

TP:True Positive,判正,实正。

精度 precision(P) = TP/(TP+FP)  , 判正实正/判正

召回率 recall(R) = TP/(TP+FN)  ,判正实正/实正  

F1值:2/F1 = 1/R+ 1/P->  F1 = 2PR/(P+R)

ROC曲线:ROC空间是一个以伪阳率(FPR,false positive rate)为X轴,真阳率(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= recall=TP/(TP+FN)=判正实正/判正,伪阳率FPR=FP/(FP+TN) = 判正实负/实负

猜你喜欢

转载自blog.csdn.net/ziyue246/article/details/82178230
今日推荐