TP:True Positive,預測結果為正類,且與事實相符,即事實為正類。
·TN:True Negative,預測結果為負類,且與事實相符,即事實為負類。
·FP:False Positive,預測結果為正類,但與事實不符,即事實為負類。
·FN:False Negative,預測結果為負類,但與事實不符,即事實為正類。
有了結果分類,就可以計算名額了。常用的名額有三個,第一個為準确率(Accuracy),表達式如下:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiQDOxEzX3xCZlhXam9VbsUmepNXZy9CXwJWZ3xCdh1mcvZ2Lc1zaHRGcWdUYuVzVa9GczoVdG1mWfVGc5RHLwIzX39GZhh2csATMflHLwEzX4xSZz91ZsAzMfRHLGZkRGZkRfJ3bs92YskmNhVTYykVNQJVMRhXVEF1X0hXZ0xiNx8VZ6l2cssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL1AjN3gDMycTOjZWZ1kDOzYzXyEjMxATMyAzLcJTMyIDMy8CXn9Gbi9CXzV2Zh1WavwVbvNmLvR3YxUjLyM3Lc9CX6MHc0RHaiojIsJye.png)
分母中四個類都有,也就是表示所有結果。分子是TP+TN,TP表示模型猜對了,TN也表示模型猜對了,兩個加起來就是全部猜對了的結果。是以,準确率的含義是模型猜對了的結果在全部結果中的占比,猜對的越多,得分就越高。
第二個為精确率(Precision),又叫查準率,光看名字很容易與第一個名額混淆,最好的差別方法是看表達式。查準率的表達式如下:
表達式上的差別就很明顯了,光是在長度上就短了很多。此表達式的分母是TP+FP,TP表示預測結果為正類,FP也表示預測結果為正類,二者相加就是全部預測為正類的結果。分子是TP,代表預測為正類,且與事實相符的結果。說起來很拗口,但隻要聯合起來看,分母說的是所有預測為正類的結果,分子說的是正類結果中猜對了的那部分,它在全部的正類結果中的占比就是查準率。換句話說,模型預測對正類結果的預測越準确,查準率就越高。