数据挖掘_分类指标_召回率 、精确度、准确率、虚警率和漏警率

转载自https://snv.iteye.com/blog/2113945

场景如下:

假设原样本有两类,True和False,其中:

1.总共有T个类别为True的样本;

2.总共有F个类别为False的样本;

分类预测后:

1.总共有TT个类别为True的样本被系统判为True,FT个类别为True的样本被系统判为False,则TT+FT=T

2.总共有FF个类别为False的样本被系统判为False,TF个类别为False的样本被系统判为True,则FF+TF=F

指标计算:

精确度=TT/(TT+TF)--判断正样本中真正正样本的比例

准确率=(TT+FF)/(T+F)--判断正确的比重

召回率=TT/(TT+FT)--正确判断正例的比重

 

漏报率=FT/(TT+FT)--多少个正例被漏判了

虚警率=TF/(TT+TF)--反映被判为正例样本中,有多少个是负例


数据挖掘_分类指标_召回率 、精确度、准确率、虚警率和漏警率_第1张图片
 

英文标示:

召回率 Recall;

精确度Precision;

准确率Accuracy;

漏警概率(Missing Alarm);

虚警概率(False Alarm); 

你可能感兴趣的:(数据挖掘)