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