有些概念看了很多次,每次还是懵逼的,只能写下来不断的每次都翻啊翻啊翻啊翻~
比如TP、FP、TN、FN每次都傻傻分不清楚。。。。
TP&FP&TN&FN
- TP: true positive,模型预测为正的正样本,也叫作预测为正的正确率
- TN: true negative,模型预测为负的负样本,也叫作预测为负的正确率
- FP: false positive,模型预测为正的负样本,也叫作误报率,
-
FN: false negative,模型预测为负的正样本,也叫作漏报率。
看着就很绕,绕来绕去这次搞懂了,下次又蒙蔽了,于是画了一个图
precision, recall, accuracy, F1 score等评价指标 很清晰了:
positive和negative是对预测正负的表示
True和False是对预测和对照的匹配与否的评价,,,不是对对照正负的表示!!!!
评价指标
-
Precision,所有预测为正的样本中,实际为正样本的比率
Precision=TPTP+FP P r e c i s i o n = T P T P + F P
-
Recall,所有正样本中,预测为正的比率
Recall=TPTP+FN R e c a l l = T P T P + F N
-
Accuracy,不论实际上是正样本还是负样本,计算预测和实际相符的比率
Accuracy=TP+TNTP+FP+TN+FN A c c u r a c y = T P + T N T P + F P + T N + F N
-
F1 score
F1−score=Precision∗Recall2∗(Precision+Recall) F 1 − s c o r e = P r e c i s i o n ∗ R e c a l l 2 ∗ ( P r e c i s i o n + R e c a l l )