Directorio de artículos
1. Conceptos básicos
Verdaderos/Verdaderos Positivos (TP): Positivos predichos correctamente
Verdaderos Negativos/Verdaderos Negativos (TF):
Negativos Falsos Positivos/Falsos Positivos (FT): Predichos incorrectamente positivos, reales Negativos
Falsos Negativos/Falsos Negativos (FP): Predichos incorrectamente como negativo, en realidad positivo
2. Matriz de confusión
Entre ellos, la primera fila se puede considerar como el positivo real, la segunda fila se puede considerar como el falso real,
la primera columna se puede considerar como el positivo predicho y la segunda columna se puede considerar como el falso predicho.
Tasa de precisión, tasa de reconocimiento: (TP + TN) / (TP + FN + FP + TN)
tasa de error: (FP + FN) / (TP + FN + FP + TN)
tasa de recuperación (en el ejemplo positivo real, la predicción es positivo Proporción de ejemplos): TP / (TP + FN)
Tasa de precisión (proporción de ejemplos positivos reales predichos como ejemplos positivos): TP / (TP + FP)
Puntuación F: (2 * recordar * precisión) / (precisión + recordar )
3. Índice de evaluación del modelo de clasificación múltiple
Promedio de macros:
la media aritmética de cada valor de índice estadístico de todas las categorías, como la precisión de macros, la recuperación de macros y el valor F de macros.
Micro Average (micro promedio)
combina todas las categorías de TP, FP, TN y FN respectivamente para establecer una matriz de confusión global, la tasa de microprecisión correspondiente, la tasa de microrecuperación y el valor de micro-F.
