[一起面试AI]NO.3分类问题常用的性能度量指标有哪些
发布日期:2021-05-09 06:18:07 浏览次数:16 分类:博客文章

本文共 1025 字,大约阅读时间需要 3 分钟。

常用的性能度量指标有:精确率召回率F1TPRFPR

预测为真 预测为假
真实为真 TP(true positive) FN(false negative)
真实为假 FP(false positive) TN(true negative)

精确率Precision=TP/(TP+FP)

召回率Recall=TP/(TP+FN)

真正例率即为正例被判断为正例的概率TPR=TP/(TP+FN)

假正例率即为反例被判断为正例的概率FPR=FP/(TN+FP)

精确率又称查准率,顾名思义适用于对准确率较高的应用,例如网页检索与推荐。召回率又称查全率,适用于检测信贷风险、逃犯信息等。精确率与召回率是一对矛盾的度量,所以需要找一个平衡点,往往使用F1是精确率与召回率的调和平均值:

(1) 错误率和准确率

错误率:

准确率:acc=1-e

(2)AUC与ROC曲线

对于0、1分类问题,一些分类器得到的结果并不是0或1,如神经网络得到的是0.5、0.6等,此时就需要一个阈值cutoff,那么小于阈值的归为0,大于的归为1,可以得到一个分类结果。

ROC曲线(Receiver Operational Characteristic Curve)是以False Positive Rate为横坐标,True Postive Rate为纵坐标绘制的曲线。

曲线的点表示了在敏感度特殊性之间的平衡,例如越往左,也就是假阳性越小,则真阳性也越小。曲线下面的面积越大,则表示该方法越有利于区分两种类别。

AUC即为ROC曲线所覆盖的区域面积


hi 认识一下?

微信关注公众号:全都是码农 (allmanong)

你将获得:
关于人工智能的所有面试问题一网打尽!未来还有思维导图哦!
回复121 立即获得 已整理好121本python学习电子书
回复89 立即获得 程序员史诗级必读书单吐血整理四个维度系列89本书。
回复167 立即获得 机器学习和python学习之路史上整理大数据技术书从入门到进阶最全本(66本)
回复18 立即获得 数据库从入门到进阶必读18本技术书籍网盘整理电子书(珍藏版)
回复56 立即获得 我整理的56本算法与数据结构
未来还有人工智能研究生课程笔记等等,我们一起进步呀!


转载地址:https://www.cnblogs.com/sabai/p/12690050.html 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:[一起面试AI]NO.4特征工程主要包括什么?
下一篇:[一起面试AI]NO.2回归问题常用的性能度量指标有哪些

发表评论

最新留言

表示我来过!
[***.240.166.169]2024年07月02日 07时33分46秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章