机器学习之分类问题度量

在二分类问题中,下面这些主要度量标准对于评估模型的性能非常重要。

混淆矩阵

混淆矩阵可以用来评估模型的整体性能情况。它的定义如下:
机器学习之分类问题度量

主要度量标准

通常用下面的度量标准来评估分类模型的性能:

机器学习之分类问题度量

ROC
– 受试者工作曲线,又叫做 ROC曲线,它使用真正例率和假正例率分别作为纵轴和横轴并且进过调整阈值绘制出来。下表汇总了这些度量标准:
机器学习之分类问题度量
AUC
受试者工作曲线的之下的部分,又叫做 AUC 或者 AUROC,如下图所示ROC曲线下的部分:

机器学习之分类问题度量

ai
本作品采用《CC 协议》,转载必须注明作者和本文链接

不要试图用百米冲刺的方法完成马拉松比赛。

讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

请勿发布不友善或者负能量的内容。与人为善,比聪明更重要!