人工智能训练模型评价好坏方法

训练出的结果有一下四种

	预测结果	实际结果
TP	正	正
FN	正	反
FP	反	正
TN	反	反

有三个指标判断人工智能训练模型的单方面好坏

• 正确率(accuracy) = TP+TN/TP+FN+FP+TN
• 精确率(precision) = TP/TP+FP
• 召回率(recall) = TP/TP+FN

一、F1值

F值是精确率和召回率的调和平均

F1值是a取1的情况

一般比赛就用F1值。当F1值相差不大时，再看正确率(accuracy)。

二、受试者工作特征曲线（ROC）

横坐标是FP，纵坐标是TP。
曲线的面积(AUP)越大，表面正确率越高，曲线越光滑，过拟合程度越低。
b的面积 > a的面积，则b的正确率 > a的正确率。