机器学习之分类:真与假以及正类别与负类别

在本部分,我们将定义用于评估分类模型的指标的主要组成部分。不过,我们先来看一则寓言故事:
伊索寓言:狼来了 ( 简介版 )
有一位牧童要照看镇上的羊群,但是他开始厌倦这份工作。为了找点乐子,他大声喊道:“狼来了!”其实根本一头狼也没有出现。村民们迅速跑来保护羊群,但他们发现这个牧童时再来玩笑之后非常生气。[ 这样的情形重复出现了很多次。]
一天晚上,牧童看到真的有一头狼靠近羊群,他大声喊道:“狼来了!”村民不想再被他捉弄,都待在家里不出来。这头饥饿的狼对羊群大开杀戒,美美饱餐一顿。这下子,整个镇子都揭不开锅了。恐慌也随之而来。

  • “狼来了”是正类别
  • “没有狼”是负累别
    我们可以使用一个 2X2混淆矩阵来总结我们的“狼预测”模型,该矩阵描述了所有可能出现的结果 ( 共四种 ):

真正例是指模型将正类别样本正确的预测为正类别。同样,真负例是指模型将负类别样本正确的预测为负类别。
假正例是指模型将负类别样本错误地预测为正类别,而假负例是指模型将正类别样本错误地预测为负类别。

本作品采用《CC 协议》,转载必须注明作者和本文链接

Hacking

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!