混淆矩阵
来源:互联网 发布:数据库知识点总结 编辑:程序博客网 时间:2024/05/21 10:27
一个完美的分类模型是,将实际上是good的实例预测成good,将bad的实例预测称bad。对于实际应用中的分类模型,可能预测错误实例类型,因此我们需要知道到底预测对了多少实例,预测错了多少实例。混淆矩阵就是将这些信息放在一个表中,便于直观的观测和分析。
1. good—》good: true positive类型, 设数目为a;
2. good-》bad:
3. bad-》bad:
4. bad-》good:
几组常用的评估指标:
注:
1. sensitivity vs. specificity
2. recall vs. precision
3. accuracy vs. error rate
4. type I error vs. type II error
5. 针对precision和recall有F1指标,用于实现两者之间的tradeoff。
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 混淆矩阵
- 【混淆矩阵】matlab画混淆矩阵
- 混淆矩阵 Using Matlab
- 简单理解混淆矩阵
- 混淆矩阵ConfusionMatrix
- 混淆矩阵理解
- weka中的混淆矩阵
- R:混淆矩阵
- 总结: OC调用JS方法和给JS赋值
- Error:(1, 0) Plugin with id 'com.android.application' not found.
- Construct BinaryTree from Inorder and Postorder Traversal
- Mybatis批量更新数据
- VMware vSphere Client WIN10安装问题
- 混淆矩阵
- java中嵌入javascript
- Mysql 存储过程小例子
- 面试题之树中两个节点的最低公共祖先节点
- python中装饰器的简单用法
- 服务器搭建
- Lab_6
- linux 文件测试运算符
- 【UGUI】无限循环列表和InputField.onValueChanged 事件