一、引言
分類演算法有很多，不同分類演算法又用很多不同的變種。不同的分類演算法有不同的特定，在不同的資料集上表現的效果也不同，我們需要根據特定的任務進行演算法的選擇，如何選擇分類，如何評價乙個分類演算法的好壞，前面關於決策樹的介紹，我們主要用的正確率（accuracy）來評價分類演算法。
正確率確實是乙個很好很直觀的評價指標，但是有時候正確率高並不能代表乙個演算法就好。比如某個地區某天**的**，假設我們有一堆的特徵作為**分類的屬性，類別只有兩個：0：不發生**、1：發生**。乙個不加思考的分類器，對每乙個測試用例都將類別劃分為0，那那麼它就可能達到99%的正確率，但真的**來臨時，這個分類器毫無察覺，這個分類帶來的損失是巨大的。為什麼99%的正確率的分類器卻不是我們想要的，因為這裡資料分布不均衡，類別1的資料太少，完全錯分類別1依然可以達到很高的正確率卻忽視了我們關注的東西。接下來詳細介紹一下分類演算法的評價指標。
二、評價指標
1、幾個常用的術語
這裡首先介紹幾個常見的
模型評價術語，現在假設我們的分類目標只有兩類，計為正例（positive）和負例（negtive）分別是：
1）true positives(tp): 被正確地劃分為正例的個數，即實際為正例且被分類器劃分為正例的例項數（樣本數）；
2）false positives(fp): 被錯誤地劃分為正例的個數，即實際為負例但被分類器劃分為正例的例項數；
3）false negatives(fn):被錯誤地劃分為
負例的個數，即
實際為正例但被分類器劃分為負例的例項數；
4）true negatives(tn):被正確地劃分為負
例的個數，即實際為負例且被分類器劃分為負例的例項數。
實際類別**類別
yesno總計
yestp fn
p（實際為yes） no
fp tn
n（實際為no） 總計
p』（被分為yes）
n』（被分為no）
p+n
上圖是這四個術語的混淆矩陣，我只知道fp叫偽陽率，其他的怎麼稱呼就不詳了。注意p=tp+fn表示實際為正例的樣本個數，我曾經誤以為實際為正例的樣本數應該為tp+fp，這裡只要記住true、false描述的是分類器是否判斷正確，positive、negative是分類器的分類結果。如果
正例計為1、負例計為-1，即positive=1、negtive=-1，用1表示true，-1表示false，那麼實際的類標=tf*pn，tf為true或false，pn為positive或negtive。例如true positives(tp)的實際類標=1*1=1為正例，false positives(fp)的實際類標=（-1）*1=-1為負例，false negatives(fn)的實際類標=（-1）*（-1）=1為正例，true negatives(tn)的實際類標=1*（-1）=-1為負例。
2、評價指標
1）正確率（accuracy）
正確率是我們最常見的評價指標，accuracy = （tp+tn）/(p+n)，這個很容易理解，就是被分對的樣本數除以所有的樣本數，通常來說，正確率越高，分類器越好；
2）錯誤率（error rate)
錯誤率則與正確率相反，描述被分類器錯分的比例，error rate = (fp+fn)/(p+n)，對某乙個例項來說，分對與分錯是互斥事件，所以accuracy =1 - error rate；
3）靈敏度（sensitive）
sensitive = tp/p，表示的是所有正例中被分對的比例，衡量了分類器對正例的識別能力；
4）特效度（specificity)
specificity = tn/n，表示的是所有負例中被分對的比例，衡量了分類器對負例的識別能力；
5）精度（precision）
精度是精確性的度量，表示被分為正例的示例中實際為正例的比例，precision=tp/（tp+fp）；
6）召回率（recall）
召回率是覆蓋面的度量，度量有多個正例被分為正例，recall=tp/(tp+fn)=tp/p=sensitive，可以看到召回率與靈敏度是一樣的。
7）其他評價指標
對於某個具體的分類器而言，我們不可能同時提高所有上面介紹的指標，當然，如果乙個分類器能正確分對所有的例項，那麼各項指標都已經達到最優，但這樣的分類器往往不存在。比如我們開頭說的****，沒有誰能準確****的發生，但我們能容忍一定程度的誤報，假設1000次**中，有5次**為發現**，其中一次真的發生了**，而其他4次為誤報，那麼正確率從原來的999/1000=99.9%下降到996/1000=99.6，但召回率從0/1=0%上公升為1/1=100%，這樣雖然謊報了幾次**，但真的**來臨時，我們沒有錯過，這樣的分類器才是我們想要的，在一定正確率的前提下，我們要求分類器的召回率盡可能的高。
資料探勘系列（7）分類演算法評價
一 引言 分類演算法有很多，不同分類演算法又用很多不同的變種。不同的分類演算法有不同的特定，在不同的資料集上表現的效果也不同，我們需要根據特定的任務進行演算法的選擇，如何選擇分類，如何評價乙個分類演算法的好壞，前面關於決策樹的介紹，我們主要用的正確率 accuracy 來評價分類演算法。正確率確實是...
資料探勘回顧一 分類演算法之 kNN 演算法
下面用最簡潔的話語說明 knn 演算法 knn 演算法 k 近鄰演算法 是一種分類演算法，即對於給出的一條待分類的資料或待分類的乙個東西，我們提取出這條資料的特徵值 按照特徵值，通過計算與已經分好類的所有條資料之間的一一歐式距離，把這些所有歐式距離排序，挑選出k個最短的距離 對於這k個最短的距離所對...
資料探勘常用聚類 分類演算法總結
1 knn演算法 k最鄰近分類演算法 from sklearn.model selection import train test split sklearn中引入訓練集測試集分割包 data train,data test,target train,target test train test s...