模型评估的指标

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/woshiliulei0/article/details/82872760

多模型评估的指标可以分为以下几个类别

一.Accuracy，Precision，Recall

要计算这几个指标先要了解几个概念：
FN：False Negative,被判定为负样本，但事实上是正样本。
FP：False Positive,被判定为正样本，但事实上是负样本。
TN：True Negative,被判定为负样本，事实上也是负样本。
TP：True Positive,被判定为正样本，事实上也是证样本。
1.Accuracy (正确率)
$ac=\frac {TP+TN}{TP+TN+FP+FN}$

2.Precision精确率，准确率，查准率
$P = \frac {TP}{TP+FP}$
解释：正样本占分类器所分的正样本的比例

3.Recall(召回率，查全率)
$R = \frac {TP}{TP + FN}$
解释：正样本占真正的正样本的比例