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