模型评价标准之混淆矩阵
混淆矩阵
- 真实值是positive,模型认为是positive的数量(True Positive=TP)
- 真实值是positive,模型认为是negative的数量(False Negative=FN):这就是统计学上的第一类错误(Type I Error)
- 真实值是negative,模型认为是positive的数量(False Positive=FP):这就是统计学上的第二类错误(Type II Error)
- 真实值是negative,模型认为是negative的数量(True Negative=TN)
将这四个指标一起呈现在表格中,就能得到如下这样一个矩阵,我们称它为混淆矩阵(Confusion Matrix):
模型评判指标
•准确率(Accuracy)—— 针对整个模型
•精确率(Precision)
•灵敏度(Sensitivity):就是召回率(Recall)
•特异度(Specificity)
具体详情见:https://blog.csdn.net/Orange_Spotty_Cat/article/details/80520839