發現有很多資料對混線矩陣以及recall、precision的定義不一致，經過比較發現《資料探勘導論》對其定義比較的正確
混淆矩陣
**值+
-真實值+tp
fn-fptn
所謂的tn，tp都是針對**值闡述的，例如**值為『-』，對應的為『n』，至於是tn還是fn根據真實值的情況判斷，真實值也為『-』，則tn，真實值為『+』，作為fn
recall（召回率） = tp/(tp+fn)，即在真實值為『+』的所有樣本中，model**也為『+』的概率，也被成為tpr（真正率、靈敏度），與之對應的為fpr（假正率） = fp/(fp+tn)。roc曲線的y軸即recall，x軸為fpr。
精度（precision） = tp/(tp+fp），即在所有**為『+』的樣本中，真實值為『+』所佔的比例。
由上可知，假如對於二分類（樣本100，正例50，負例50），model全部**為『+』，則recall = 1，precision = 0.5，所以不見得recall越大越好，我們希望recall高的同時，precision也最好高，由此得出平衡這兩個指標的新的度量：f1，f1 = 2（1/recall + 1/precision），由f1公式可知，當recall和precision值很接近的時候f1才會很大。
最後準確率的概念較簡單，即（tp+tn）/（tn+fn+tp+fp），在sklearn中，model.score(x,y)即可得出。
資料探勘導論
20世紀60年代，從檔案處理演化到資料庫系統 20世紀70年代，演化到關聯式資料庫，聯機事務處理 oltp 將查詢看做唯讀事務 80年代中期到現在，研究分布性 多樣性和資料共享等問題，還有基於internet的全球資訊系統 80年代後期到現在，出現的資料庫結構是資料倉儲，可將多個一種資料來源在單個站...
資料探勘導論
誤差平方均值，越小越好 從大家直觀的感受，這三個模型哪個更好？左上？右上？還是左下？右上，因為左下有可能過擬合。最下面的模型過於強調特定點的誤差了。雜訊點也被擬合了。我們用什麼樣的手段，來幫助我們發現過擬合？擬合曲線的引數過多。分訓練集和測試集，設定測試資料用於判斷擬合的情況。泛化誤差 模型在新樣本...
python資料分析與挖掘實戰的混淆矩陣糾錯
coding utf 8 使用神經網路演算法 銷量高低 from keras.models import sequential from keras.layers.core import dense,activation import pandas as pd from cmplot import ...