机器学习

机器学习常用评价指标

本文主要是介绍机器学习常用评价指标,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

机器学习常用评价指标

    • 混淆矩阵

本文主要讲述机器学习常用的评价指标,如精准率、召回率、精准度、P-R曲线,TPR、FPR、ROC、AUC等指标。

混淆矩阵

在机器学习分类当中,最为基础的应该就是混淆矩阵。
混淆在这里插入图片描述

精确率:
Precision(也叫查准率)
其公式为:(TP)/(TP+FP)
在所有预测为正的结果中,预测正确的比例
召回率:
Recall、也叫查全率
其公式为:(TP)/(TP+FN)
在所有真实为正的样例中,被预测为正例的比例
P-R曲线:
定义:根据预测结果将预测样本排序,最有可能为正样本的在前,最不可能的在后,依次将样本预测为正样本,分别计算当前的精准率和召回率,绘制P-R曲线
在这里插入图片描述
F1值:
公式:(2PR)/(P+R)

TPR:
真正例率,与召回率相同
公式:(TP)/(TR+FN)

FPR:
假正例率
公式:(FP)/(TN+FP)

ROC,受试者工作特征曲线
根据预测结果将预测样本排序,最有可能为正样本的在前,最不可能的在后,依次将样本预测为正样本,分别计算当前的TPR和FPR,绘制ROC曲线。
在这里插入图片描述
AUC:
ROC曲线下的面积

这篇关于机器学习常用评价指标的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!