模型评估指标

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

See Also

1. 知乎 - 准确率，精准率，召回率，真正率，假正率，ROC/AUC