机器学习中模型的性能度量方式:混淆矩阵,F1-Score、ROC曲线、AUC曲线。

一、混淆矩阵
混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,混淆矩阵的每一列代表了预测类别,每一列的总数表示预测为该类别的数据的数目;每一行代表了数据的真实归属类别 ,每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目。

predicted as positive predicted as negative
labeled as positive true positive(TP) false negative(FN)
labeled as negative false positive (FP) true negative(TN)

在上表中,
true positive(TP) 表示被模型分类正确的正样本。
false positive(FP)表示被模型分类错误的正样本。
false negative(FN)表示被模型分类错误的负样本。
true negative(TN)表示被模型分类正确的负样本。

你可能感兴趣的:(机器学习)