题目标题

如何衡量分类器的好坏

难度:初级

机器学习
参考解析

这里首先要知道 TP、FN(真的判成假的)、FP(假的判成真)、TN 四种(可
以画一个表格)。
几种常用的指标:
精度 precision = TP/(TP+FP) = TP/~P (~p 为预测为真的数量)
召回率 recall = TP/(TP+FN) = TP/ P
F1 值: 2/F1 = 1/recall + 1/precision
ROC 曲线:ROC 空间是一个以伪阳性率(FPR,false positive rate)为 X
轴,真阳性率(TPR, true positive rate)为 Y 轴的二维坐标系所代表的平
面。其中真阳率 TPR = TP / P = recall, 伪阳率 FPR = FP / N