有些概念看了很多次,每次還是懵逼的,隻能寫下來不斷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,模型預測為正的正樣本,也叫作預測為正的正确率
- TN: true negative,模型預測為負的負樣本,也叫作預測為負的正确率
- FP: false positive,模型預測為正的負樣本,也叫作誤報率,
-
FN: false negative,模型預測為負的正樣本,也叫作漏報率。
看着就很繞,繞來繞去這次搞懂了,下次又蒙蔽了,于是畫了一個圖
很清晰了:
positive和negative是對預測正負的表示
True和False是對預測和對照的比對與否的評價,,,不是對對照正負的表示!!!!
評價名額
-
Precision,所有預測為正的樣本中,實際為正樣本的比率
Precision=TPTP+FP P r e c i s i o n = T P T P + F P
-
Recall,所有正樣本中,預測為正的比率
Recall=TPTP+FN R e c a l l = T P T P + F N
-
Accuracy,不論實際上是正樣本還是負樣本,計算預測和實際相符的比率
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 )