分類器的評價指標

分類器的評價指標主要作用是根據應用場景的不同，來評價不同的分類器效能。比如，癌症診斷中，寧可錯判乙個未患病患者，也不能遺漏乙個真實癌症患者；食品檢測中卻不同，對於不合格的食品，盡可能的乙個不漏。而對於一般的影象分類，就需要總和考慮，哪一方面判斷錯了都是不好的。

分類目標只有兩類，計為正例（positive）和負（negtive）：

準確率accuracy、錯誤率error rate

準確率：分類正確/總數=（tp+tn）/ total

錯誤率：分類錯誤的比例=1-accuracy

精準率precision、召回率recall、f指標f-measure

roc曲線（receiver operating characteristic，roc）、auc（area under curve）、eer（equal error rate）

如下圖所示：

參考：

分類器評價指標

by the way,classic post like 分類指標準確率 precision 和正確率 accuracy 的區別 精度和召回率是廣泛用於資訊檢索和統計學分類領域的兩個度量值，用來評價結果的質量。其中精度是檢索出相關文件數與檢索出的文件總數的比率，衡量的是檢索系統的查準率 召回率是指檢...

分類器常用評價指標

為正樣本 為負樣本 標記為正樣本 tp true positive fn false negative 標記為負樣本 fp false positive tn true negative accuracy a tp tn tp fn fp tn precision p tp tp fp recall...

評價指標 分類演算法中常用的評價指標

對於分類演算法，常用的評價指標有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc ps 不建議翻譯成中文，尤其是precision和accuracy，容易引起歧義。1.混淆矩陣 混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例...