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