首页 > 其他 > 详细

评估指标

时间:2020-04-28 13:48:06      阅读:51      评论:0      收藏:0      [点我收藏+]

混淆矩阵

技术分享图片

准确率(accuracy):分类正确的概率

精确率(precision):真正/判定正(找到的有多少对的)

召回率(recall):真正/实际正(有多少找到的)

 

P-R曲线

对每个分类阈值计算精确率和召回率,绘制联合曲线。曲线包含面积越大越好。

技术分享图片

 

F1 score

F1指标是精确率与召回率的调和平均值,F1值越大性能越好。
技术分享图片
 
ROC
ROC(受试者工作特征曲线)是真正率与假正率的曲线。
技术分享图片
 
AUC
AUC(Area Under Curve)是ROC曲线的积分,量化反应ROC衡量出的模型的性能。AUC越大性能越好。
 
 
正负样本分布发生改变时,PR变化大,ROC曲线基本保持不变。因此在不同测试集上ROC更加稳定。

评估指标

原文:https://www.cnblogs.com/sumuyi/p/12793460.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!