模型评估指标：修订间差异
跳到导航
跳到搜索
无编辑摘要 |
（→评估指标） |
||
| 第22行： | 第22行： | ||
==== 评估指标 ==== | ==== 评估指标 ==== | ||
* 精准率(precision): TP/(TP+FP)。又称查准率，预测为阳性的数据中预测正确的数据个数 | |||
* 精准率(precision) | * 招回率(recall): TP/(TP+FN)。又称查全率，它是针对原样本而言，阳性的数据中预测正确的数据个数。召回率越高，代表实际想检测出来的阳性的概率越高(可以假阳性FP也会高) | ||
* 招回率(recall) | * F1 score: 以 precision & recall 做正交直角坐标系，为 P-R 图。F1 = 2*P*R / (P + R)，取一个平衡点，可以同时让查准率和查全率最高 | ||
* 准确率: (TP+TN)/ALL。预测正确的结果占比。在样本不平衡的情况下，不能作为很好的指标来衡量结果 | |||
====Sample==== | ====Sample==== | ||
2024年5月7日 (二) 14:38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): TP/(TP+FP)。又称查准率，预测为阳性的数据中预测正确的数据个数
- 招回率(recall): TP/(TP+FN)。又称查全率，它是针对原样本而言，阳性的数据中预测正确的数据个数。召回率越高，代表实际想检测出来的阳性的概率越高(可以假阳性FP也会高)
- F1 score: 以 precision & recall 做正交直角坐标系，为 P-R 图。F1 = 2*P*R / (P + R)，取一个平衡点，可以同时让查准率和查全率最高
- 准确率: (TP+TN)/ALL。预测正确的结果占比。在样本不平衡的情况下，不能作为很好的指标来衡量结果
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 | |