k=(po−pe)/(1−pe)
其中，p0表示為總的分類準確度;
pe表示為
pe=a1×b1+a2×b2+...+ac×bc/n×n
其中，ai代表第i類真實樣本個數，bi代表第i類**出來的樣本個數。
例子對於該表中的資料，則有：
po=(239+73+280)/664=0.8916
pe=(261×276+103×93+300×295)/664×664=0.3883
k=(po−pe)/(1−pe)=(0.8916−0.3883)/(1−0.3883)=0.8228
**用python語言來實現，則有:
其中，matrix是乙個方陣，若共有i個類別，則matrix.shape = (i,i).
用下面的**進行測試:
import numpy as np
matrix = [
[239,21,16],
[16,73,4]
[6,9,280]]
**
機器學習 分類模型的評估
estimator.score 混淆矩陣 在分類任務下，結果與正確標記之間存在四種不同的組合，構成混淆矩陣 適用於多分類 貓 混淆矩陣 狗 混淆矩陣 評估標準 準確率 精確率和召回率。精確率 結果為正例樣本中真實為正例的比例 查的準 召回率 真實為正例的樣本中 結果為正例的比例 查的對，對正樣本的區...
機器學習模型評估方法
分類模型評價度量 概率輸出型 這個有邏輯回歸 隨機森林 梯度提公升 adaboost等演算法，都是以概率作為輸出的。要想把概率型輸出變為分型別輸出，只要為其設立乙個閾值即可。positive predictive value 陽性 值 or precision 精度 陽性 值被 正確的比例。nega...
機器學習之模型評估
準確率是指分類正確的樣本佔總樣個數的比例 accuracy frac n 為被正確分類的樣本個數，n 為總樣本的個數 準確率的侷限性 準確率是分類問題中最簡單也是最直觀的評價指標，但存在明顯的缺陷，當不同總類的樣本比例非常不均衡時，佔比大的類別往往成為影響準確率的最主要因素。比如 當負樣本佔99 分...