机器学习算法的结果评估的几个概念

作者: shaneZhang 分类: 机器学习基础知识 发布时间: 2017-12-15 22:44
  • 精确率、召回率、F1值

先看几个名词解释: TP (True Postive):本来是正样本 ,被模型预测为正样本

TN (True Negative): 本来是负样本,被模型预测为负样本

FP (False Postive): 本来是负样本,被模型预测为正样本

FN (False Negative): 本来是正样本,被模型预测为负样本

精准率 = TP / (TP + FP)

召回率 = TP / (TP + FN)

F1 = 2 * 精准率 * 召回率 / (精准率 + 召回率)

F1值是表达精准率和召回率的综合评估

本页面支持AMP友好显示:机器学习算法的结果评估的几个概念

如果觉得我的文章对您有用,请随意打赏。如果有其他问题请联系博主QQ(909491009)或者下方留言!

发表评论

电子邮件地址不会被公开。 必填项已用*标注

76 + = 77