机器学习常用评价指标
2021/5/2 10:28:37
本文主要是介绍机器学习常用评价指标,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
机器学习常用评价指标
- 混淆矩阵
本文主要讲述机器学习常用的评价指标,如精准率、召回率、精准度、P-R曲线,TPR、FPR、ROC、AUC等指标。
混淆矩阵
在机器学习分类当中,最为基础的应该就是混淆矩阵。
精确率:
Precision(也叫查准率)
其公式为:(TP)/(TP+FP)
在所有预测为正的结果中,预测正确的比例
召回率:
Recall、也叫查全率
其公式为:(TP)/(TP+FN)
在所有真实为正的样例中,被预测为正例的比例
P-R曲线:
定义:根据预测结果将预测样本排序,最有可能为正样本的在前,最不可能的在后,依次将样本预测为正样本,分别计算当前的精准率和召回率,绘制P-R曲线
F1值:
公式:(2PR)/(P+R)
TPR:
真正例率,与召回率相同
公式:(TP)/(TR+FN)
FPR:
假正例率
公式:(FP)/(TN+FP)
ROC,受试者工作特征曲线
根据预测结果将预测样本排序,最有可能为正样本的在前,最不可能的在后,依次将样本预测为正样本,分别计算当前的TPR和FPR,绘制ROC曲线。
AUC:
ROC曲线下的面积
这篇关于机器学习常用评价指标的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例