通常我們在解決某個問題的時候，會設計多種分類演算法在訓練的時候我們還會調節各種超參以及使用各種trick以獲取最優的分類模型，那這時候我們應該如何來衡量這個最優呢？
分類演算法的評估指標有很多種，選擇使用哪一種評估指標，應該根據實際情況來進行選擇，而不能一概而定。
混淆矩陣
我們先來了解一下混淆矩陣，後面的分類評估指標其實都是在這個基礎上發展而來，理解了這個，再去學習後面的評估指標就很簡單了。
混淆矩陣(confusion matrix)：是機器學習領域和統計分類問題中常用的視覺化工具，從名字上不能看出其實它就是乙個矩陣，它主要由兩個維度組成實際類別和**類別。矩陣的每一列代表乙個類的例項**，而每一行表示乙個實際的類的例項。之所以如此命名，是因為通過這個矩陣可以方便地看出機器是否將兩個不同的類混淆了（比如說把乙個類錯當成了另乙個）。下面我們來看乙個貓狗分類的例項
實際類別
貓狗**類別
貓52狗3
3
上面的**很簡潔的展示了分類模型的**結果&
分類演算法評估指標
2 準確率 accuracy 準確率是常用的乙個評價指標，但是不適合樣本不均衡的情況。ac cura cy t p tn tp t n fp fn accuracy tp tn tp tn fp fnac cura cy t p tn tp t n fp fn 3 精確率 precision 又稱查...
分類演算法中常用的評價指標
分類演算法中常用的評價指標 來自網路，備份勿忘！對於分類器 分類演算法 評價指標主要有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc 1.首先，介紹混淆矩陣的概念。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項的真實資訊...
分類演算法中常用的評價指標
labeled as positive labeled as negative predicted as positive true positive tp false positive fp predicted as negative false negative fn true negative...