如何衡量分类器的好坏【详细讲解】

今天爱分享给大家带来如何衡量分类器的好坏【详细讲解】,希望能够帮助到大家。
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:

1.精度(Accuracy)

因此分类错误率(Error rate)为:

2.查全率(Recall)

查全率是被正确预测的正例在所有正例中的比例,表示的是模型识别正例的能力。

3.查准率(Precision)

表示被正确预测的正例在所有预测为正例的样本的比例。如果模型的查准率非常高,那么如果一个样本被预测为正例,那么这个样本为正例的把握就很大。

F score就是一个将查全率和查准率结合起来的指标,能表达出对查准率/查全率的不同偏好。

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

原文链接:https://blog.itblood.com/4139.html,转载请注明出处。
0
项目:S.P.E.S. v0.2汉化版 Project: S.P.E.S. [v0.2] [欧美SLG/汉化/动态]
项目:S.P.E.S. v0.2汉化版 Project: S.P.E.S. [v0.2] [欧美SLG/汉化/动态]
1分钟前 有人购买 去瞅瞅看

站点公告

显示验证码
没有账号?注册  忘记密码?