最近一直在改模型,關注的是 Accuracy、MSE;但是除此之外,還有不少評價指標。。。【笑哭】
- 分類
- 迴歸
分類
True Positive(真正, TP):將正類預測爲正類數.
True Negative(真負 , TN):將負類預測爲負類數.
False Positive(假正, FP):將負類預測爲正類數 →→ 誤報 (Type I error).
False Negative(假負 , FN):將正類預測爲負類數 →→ 漏報 (Type II error).
精確率(precision):
準確率(accuracy):
在正負樣本不平衡的情況下,準確率這個評價指標有很大的缺陷。比如在互聯網廣告裏面,點擊的數量是很少的,一般只有千分之幾,如果用acc,即使全部預測成負類(不點擊)acc 也有 99% 以上,沒有意義。
召回率(recall,sensitivity,true positive rate) :
此外,還有 ,是精確率和召回率的調和均值,
精確率和準確率都高的情況下,F1 值也會高。
【待續。。。】
【轉自】機器學習性能評估指標