模型评估指标：修订间差异
跳到导航
跳到搜索
（创建页面，内容为“混淆矩阵(Confusion matrix, error matrix)是一种具有两个维度的(实际与预测)列联表，矩阵的每一列代表一个类的实例预测，而每一行表示一个实际的类的实例。通过这个矩阵可以方便地看出模型是否将两个不同的类混淆了。 {| class="wikitable" |+ ! ! ! colspan="2" |Predicted condition |- | |'''Total population = P + N''' |Positive (PP) |Negative (PN) |- | rowspan="2" |'''Actual condition''' |Positi…”） |
无编辑摘要 |
||
| 第18行： | 第18行： | ||
|Negative (N) | |Negative (N) | ||
|False positive (FP), 假阳性 | |False positive (FP), 假阳性 | ||
| | |True Negative (TN), 真阴性 | ||
|} | |} | ||
==== | ==== 评估指标 ==== | ||
精准率(precision)：预测为阳性的数据中预测正确的数据个数 | |||
* 精准率(precision)：预测为阳性的数据中预测正确的数据个数 | |||
* 招回率(recall)：阳性的数据中预测正确的数据个数 | |||
====Sample==== | ====Sample==== | ||
{| class="wikitable" style="text-align:center;" | {| class="wikitable" style="text-align:center;" | ||
2024年3月21日 (四) 15:16的版本
混淆矩阵(Confusion matrix, error matrix)是一种具有两个维度的(实际与预测)列联表，矩阵的每一列代表一个类的实例预测，而每一行表示一个实际的类的实例。通过这个矩阵可以方便地看出模型是否将两个不同的类混淆了。
| Predicted condition | |||
|---|---|---|---|
| Total population = P + N | Positive (PP) | Negative (PN) | |
| Actual condition | Positive (P) | True positive (TP), 真阳性 | False negative (FN), 假阴性 |
| Negative (N) | False positive (FP), 假阳性 | True Negative (TN), 真阴性 | |
评估指标
- 精准率(precision)：预测为阳性的数据中预测正确的数据个数
- 招回率(recall)：阳性的数据中预测正确的数据个数
Sample
| Individual Number | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Actual Classification | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 |
| Predicted Classification | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 |
| Predicted condition | |||
|---|---|---|---|
| Total population = 8 + 4 | Positive (PP) | Negative (PN) | |
| Actual condition | Cancer 8 | 6 | 2 |
| Non-cancer 4 | 1 | 3 | |