模型评估指标：修订间差异

2024年5月7日 (二) 14:40的最新版本

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。

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

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

@@ 第18行： / 第18行： @@
 |Negative (N)
 |False positive (FP), 假阳性
-|
+|True Negative (TN), 真阴性
 |}
-==== 精准率 ====
+==== 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): 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
-招回率(recall)：阳性的数据中预测正确的数据个数
 ====Sample====
 {| class="wikitable" style="text-align:center;"
@@ 第88行： / 第90行： @@
 |3
 |}
+== See Also ==
+# [https://zhuanlan.zhihu.com/p/46714763 知乎 - 准确率，精准率，召回率，真正率，假正率，ROC/AUC]
 [[分类:Develop]]
 [[分类:Algorithm]]