Tips 機器學習模型常見評估指標

1. 混淆矩陣（confusion matrix）

positive (1)

negative (0)

positive (1)

tp(1, 1)

fp(1, 0)

negative (0)

fn(0, 1)

tn(0, 0)

列為模型**值，行為樣本實際值。

2. 準確率、精確率、靈敏度/召回率、特異性、f1-score

3. roc和auc

f pr

=fpf

p+tn

，tpr

=sen

siti

vity

=rec

all=

tptp

+f

nfpr = \frac ，tpr = sensitivity = recall = \frac

fpr=fp

+tnf

p​，t

pr=s

ensi

tivi

ty=r

ecal

l=tp

+fnt

p​roc曲線越接近左上角，該分類器的效能越好。

機器學習的模型評估

機器演算法有很多，各種模型的在不同的場景下各有優劣。所以需要一些方法來對機器學習的方法有乙個判斷。真實情況 正例反例 正例tp 真正例 fn 假反例 反例fp 假正例 tn 真反例 p tpt p fp r tptp fnroc reciever operating characteristic 是...

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 模型評估指標

from sklearn.metrics import accuracy score print 準確率 accuracy score y true,y pred,normalize true print 正確分類的數量 accuracy score y true,y pred,normalize ...