标签：FP 混淆 frac F1 矩阵 TP TN FN 评估

模型评估标准

混淆矩阵

	预测值=1	预测值=0
真实值=1	TP	FN
真实值=0	FP	TN

TP=True Postive=真阳性;FP=False Positive=假阳性

TN = True Negative=假阴性;FN=False Negative=假阴性

什么是查准率/精确率

\[Precision=\frac{TP}{TP+FP} \]

什么是查全率/召回率

\[Recall = \frac{TP}{TP+FN} \]

什么是准确率

\[Accuracy = \frac{TP+TN}{TP+TN+FP+FN} \]

什么是F1分数(F1-score)

F1分数可以理解为P和R的调和平均数

\[F1=2\frac{PR}{P+R} \]

什么是P-R曲线

P-R曲线就是准确率precision和召回率recall的曲线，以recall作为横坐标，precision作为纵坐标。

什么是ROC曲线和AUC值

ROC曲线是以假阳性率FPR为横坐标，真阳性率TPR为纵坐标

\[TPR=\frac{TP}{TP+FN}\\ FPR=\frac{FP}{FP+TN} \]

AUC表示ROC曲线下的面积，主要用于衡量模型的泛化能力，即分类效果的好坏。

如有错误，欢迎指正。谢谢

本人博客 https://xiaoxiablogs.top

标签：FP,混淆,frac,F1,矩阵,TP,TN,FN,评估
来源： https://www.cnblogs.com/xiaoxia722/p/14333249.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。