您的位置: 首页  >  文章  >  分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

分类: 文章 • 2023-03-27 10:34:52

分类是将数据根据一定的规律进行分类，进入模型能够对未来数据进行预测。
应用场景包括：

  • 判断邮件是否是垃圾邮件
  • 判断是否发放贷款
  • 判断是否为不良用户

常见的分类算法包括：

  • 朴素贝叶斯
  • 支持向量机
  • 逻辑回归
  • 决策树
  • KNN临近算法

目录

评价指标

值指标

准确率 Accuracy

正确分类的样本数与总样本数之比（预测对的总样本 / 总总样本数）
分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线
如图，准确率为
分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

精确率 Precision

判定为正例中真正正例数与判定为正例数之比（预测满足指标的样本中有多少是预测正确的）

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线
分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

模型的目标是为了预测患病人数，改模型预测出有20人患病，和实际情况相比，20人中有8人的确患病。

召回率 Recall

被正确判定为正例数与总正例数之比 （实际满足指标的样本中有多少被正确预测）
分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线
实际患病（满足指标）的人数有10人，其中有8人正确预测出来。

F-Score

有时候我们需要考虑Precision，有时候需要考虑Recall，还有时候我们需要都考虑，那么F-score就是两者的调和平均值

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

图指标

Precision-Recall PR曲线

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

ROC曲线

分类算法评价指标 准确率、精确率、召回率、F-score、ROC、PR曲线

相关推荐