Level1:
分類問題最早只是二分類問題,最初只有這幾個概念:"真正例","真負例","假正例","假負例".
TP: 樣本標籤爲1,模型預測爲1 |
FP: 樣本標籤爲1,模型預測爲-1 |
TN: 樣本標籤爲-1,模型預測爲-1 | FN:樣本標籤爲-1,模型預測爲1 |
Level2:
準確率acc, 通俗的說就是 acc=預測正確的樣本數/總樣本數
精確率precision, 通俗得說就是隻看正樣本, prec = 正樣本中被分類器正確檢測出來的百分比
召回率roc, 被分類器判成正樣本的樣本中確實是正樣本的百分比
Level3:
F1-score:
F1= 2 * (precision*recall) / (precision+recall)
Fbeta-score
Fbeta = (1+beta^2) * (precision*recall) / (recall+precision*beta^2)