混淆矩阵与P-R曲线、ROC曲线

 

1、混淆矩阵

		Predicted
		Positive	Negative
Actual	Positive	TP 真正 (True Positive)	FN 假负 （False Negative）
	Negative	FP 假正 （False Positive）	TN 正负 (True Negative)

 

2、评价指标计算公式

准确率Precision =  

召回率 Recall  = TPR =

假正率 FPR =   

F1值 =  

 

3、调整阈值，获取混淆矩阵

 

4、不同阈值下，计算各评价指标

 

5、根据上述不同阈值下的评价指标值，绘制P-R曲线，ROC曲线

        P-R 曲线如下：纵轴准确率Precision，横轴召回率Recall

        准确率越高越好，召回率越高越好，曲线越靠近右上角，模型越好。

          ROC曲线如下：纵轴召回率TPR，横轴假正率FPR

          召回率越高越好，假正率越低越好，曲线越靠近左上角越好。

根据AUC值判断模型好坏情况：