label 0
label 1
prcdict 0
tp真陽性
fn假陰性(漏診)
predict 1
fn假陰性(誤診)
tn真陰性
acc=(tp+tn)/(tp+fn+fp+tn)=被正確**的樣本/所有樣本
用來衡量模型的漏診率
sensitive=tp/(tp+fn)=tp/ground-ture p=真陽性樣本/原始陽性樣本
用來衡量模型的誤診率
specificity=tn/(tn+fp)=tn/ground-true n=真陰性樣本/原始陰性樣本
用來衡量模型的精確率
precision=tp/(tp+fp)=tp/predict p=真陽性樣本/**的陽性樣本
npr=tn/(tn+fn)==tn/predice n=真陰性樣本/**的陰性樣本
模型評估指標
模型的評價指標和評價體系是建模過程中的乙個重要環節,針對不同型別的專案和模型,要合理選擇不同的評價指標和體系。下面先給出二分類模型中 值和實際值的混淆矩陣 confusion matrix 和定義,然後介紹幾種評價指標。二分類模型的 值與實際值的結果 tp true positive 模型 為正例 ...
kmeans及模型評估指標 模型的評估指標
想必大家都知道,構建機器學習模型就是為了能夠更好的訓練我們的資料集,使得模型的準確率達到最大,那麼當我們構建好了我們的學習模型,可以通過哪些指標來評估我們模型的好壞呢?這就是我今天要給大家介紹的內容。一.精確率與召回率 1.混淆矩陣 在分類過程中,結果與正確標記之間存在四種不同的組合,構成了混淆矩陣...
模型評估常用指標
一般情況來說,單一評分標準無法完全評估乙個機器學習模型。只用good和bad偏離真實場景去評估某個模型,都是一種欠妥的評估方式。下面介紹常用的分類模型和回歸模型評估方法。分類模型常用評估方法 指標 描述scikit learn函式 precision 精準度from sklearn.metrics ...