在分類任務中，各指标的計算基礎都來自于對正負樣本的分類結果，用混淆矩陣表示。
|
真實情況 |
預測結果 | |
|
正例 |
反例 | |
|
正例 |
TP |
FN |
|
反例 |
FP |
TN |
其中：TP、TN、FP、FN的含義：
TP（True Positives）預測為正樣本，并且預測對了（真陽性）
TN（True Negatives）預測為負樣本，而且預測對了（真陰性）
FP（False Positives）預測為正樣本，但是預測錯了（假陽性）
FN（False Negatives）預測為負樣本，但是預測錯了（假陰性）
假如模型對20個樣本進行預測，結果如下：
預測值 0 0 0 0 1 0 1 0 1 0 1 0 1 1 0 1 1 1 0 1
真實值 0 0 1 1 1 1 1 0 1 0 0 0 0 1 0 1 1 1 1 0
|
預測值=1 |
預測值=0 | |
|
真實值=1 |
7 |
4 |
|
真實值=0 |
3 |
6 |
|
預測值=1 |
預測值=0 | |
|
真實值=1 |
TP |
FN |
|
真實值=0 |
FP |
TN |
1、精度(Accuracy)
|
Accuracy = |
TP TN |
|
TP FN FP TN |
即所有分類正确的樣本占全部樣本的比例。
|
Accuracy = |
7 6 |
|
7 4 3 6 |
計算：Accuracy=13/20=0.65=65%
2、精确率,精準率又叫做：Precision、查準率
|
Precision = |
TP |
|
TP FP |
即預測是正例的結果中，确實是正例的比例。
|
Precision = |
7 |
|
7 4 |
計算：Precision=7/10=0.7=70%
3、召回率,召回率又叫：Recall、查全率
|
Recall= |
TP |
|
TP FN |
即所有正例的樣本中，被找出的比例
|
Recall= |
7 |
|
7 3 |
計算：Recall=7/11≈0.6364≈63.64%
4、P-R曲線，P-R曲線又叫做：PRC
根據預測結果将預測樣本排序，最有可能為正樣本的在前，最不可能的在後，依次将樣本預測為正樣本，分别計算當前的精确率和召回率，繪制P-R曲線。
PRC曲線圖
,更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
