精確率 p = tp/(tp+fp) ; 反映了被分類器判定的正例中真正的正例樣本的比重
召回率 r = tp/(tp+fn)，反映了被正確分類的正樣本佔所有正樣本的比例
準確率（accuracy）
a = (tp + tn)/(p+n) = (tp + tn)/(tp + fn + fp + tn);
反映了分類器統對整個樣本的判定能力——能將正的判定為正，負的判定為負
f1值，是精確率與召回率的調和均值
1/f1 = 1/p + 1/r ,
f1 = 2*a*r/(a+r)
roc曲線的橫座標是fp_rate，縱座標是tp_rate。
fp_rate=fp/(fp+tn)
tp_rate=tp/(tp+fn)
求auc的時候可以計算roc曲線下面的面積，取多個閾值去計算fp_rate和tp_rate描點繪製roc曲線，然後計算面積。
精確率與召回率
混淆矩陣 true positive 真正,tp 將正類 為正類數.true negative 真負 tn 將負類 為負類數.false positive 假正,fp 將負類 為正類數 誤報 type i error false negative 假負 fn 將正類 為負類數 漏報 type ii ...
精確率和召回率
實際上非常簡單，精確率是針對我們 結果而言的，它表示的是 為正的樣本中有多少是真正的正樣本。那麼 為正就有兩種可能了，一種就是把正類 為正類 tp 另一種就是把負類 為正類 fp 也就是 而召回率是針對我們原來的樣本而言的，它表示的是樣本中的正例有多少被 正確了。那也有兩種可能，一種是把原來的正類 ...
精確率和召回率
例如 某池塘有1400條鯉魚，300只蝦，300只鱉。現在以捕鯉魚為目的。撒一大網，逮著了700條鯉魚，200只蝦，100只鱉。不妨看看如果把池子裡的所有的鯉魚 蝦和鱉都一網打盡，這些指標又有何變化 由此可見，正確率是評估捕獲的成果中目標成果所佔得比例 召回率，顧名思義，就是從關注領域中，召回目標類...