机器学习100天(十九):019 分类模型评价指标-混淆矩阵

机器学习100天,今天讲的是:分类模型评价指标-混淆矩阵。

《机器学习100天》完整目录:目录

一、准确率(Accuracy)

逻辑回归是一个分类模型,那么对于分类模型,如何评估它的优劣呢?

好,我们先来认识一个名词:混淆矩阵(confusion matrix)。混淆矩阵是用来衡量一个分类器分类的准确程度。以二分类为例,混淆矩阵是一个2x2的矩阵。

机器学习100天(十九):019 分类模型评价指标-混淆矩阵_第1张图片

如上图所示,列代表分类器对于样本的类别预测,Positive 为预测正类,Negative 为预测负类;行代表样本所属的真实类别。混淆矩阵中的四个元素这里用 TN、FN、FP、TP 表示。其中,TP 表示预测为正类且真实类别也是正类的样本个数;TN 表示预测为负类且真实类别也是负类的样本个数;FP 表示预测为正类但真实类别为负类的样本个数;FN 表示预测为负类但真实类别为正类的样本个数。

我们来看,其实对列进行分析,TN+FN 就是模型预测为负类的总个数,FP+TP 就是模型预测为正类的总个数;对行进行分析,TN+FP 就是真实标签为负类的总个数,FN+TP 就是真实标签为正类的总个数。TN+FN+FP+TP就是总的样本个数。

好,知

你可能感兴趣的:(机器学习100天,分类,矩阵,深度学习,人工智能)