ROC曲线以及评估指标F1-Score, recall, precision-整理版
来源:互联网 发布:ubuntu开机黑屏 编辑:程序博客网 时间:2024/06/07 03:58
最近一直在看ROC曲线,查阅了一些资料,并进行了整理,文章结尾有原资料链接。希望能自己和各位节约时间来找资料,花更多的时间来学习。
ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣 。ROC曲线怎么来的呢,我们来看经典的混淆矩阵:
ROC曲线一般的横轴是FPR,纵轴是FPR。AUC为曲线下面的面积,作为评估指标,AUC值越大,说明模型越好。如下图:
当然还有其他的一些评估指标,常见的有:ROC、AUC、precision、recall、F1-score。下面是指标详细:
from a confusion matrix
- true positive (TP)
- eqv. with hit
- true negative (TN)
- eqv. with correct rejection
- false positive (FP)
- eqv. with false alarm, Type I error
- false negative (FN)
- eqv. with miss, Type II error
- sensitivity or true positive rate (TPR)
- eqv. with hit rate, recall
- specificity (SPC) or true negative rate (TNR)
- precision or positive predictive value (PPV)
- negative predictive value (NPV)
- fall-out or false positive rate (FPR)
- false discovery rate (FDR)
- miss rate or false negative rate (FNR)
- accuracy (ACC)
- F1 score
- is the harmonic mean of precision and sensitivity
- Matthews correlation coefficient (MCC)
Informedness = Sensitivity + Specificity - 1
Markedness = Precision + NPV - 1
参考来源:
http://www.w2bc.com/Article/88963
https://en.wikipedia.org/wiki/Receiver_operating_characteristic
0 0
- ROC曲线以及评估指标F1-Score, recall, precision-整理版
- Precision/Recall和ROC曲线
- 精确率(Precision)、召回率(Recall)、F1-score、ROC、AUC
- Precision/Recall和ROC曲线原理以及Matlab源码
- Precision/Recall和ROC曲线原理以及Matlab源码
- Precision/Recall和ROC曲线原理以及Matlab源码
- 机器学习 F1-Score, recall, precision
- 机器学习 F1-Score, recall, precision
- 信息检索的评价指标(Precision, Recall, F-score, MAP、ROC、AUC)
- 信息检索的评价指标(Precision, Recall, F-score, MAP、ROC、AUC)
- 信息检索的评价指标(Precision、Recall、F-score、MAP、ROC、AUC)
- python绘制precision-recall曲线、ROC曲线
- 信息检索的评价指标 precision recall F1 mAP NDCG MRR ROC
- 机器学习中分类器的评价指标:召回率(recall), 精度(precision), 准确率(accuracy), F1分数(F1-score)
- Precision/Recall和ROC曲线与分类
- 关于ROC/AUC/PRC/F1/PRECISION/RECALL(对相关文献的整理,方便以后查看)
- 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
- 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
- 排序和顺序统计量之堆排序
- 自定义Toast
- Emmet 插件使用教程
- 【图像处理】Haar Adaboost 检测自定义目标(视频车辆检测算法代码)
- PyQt5:建立对话框(1)
- ROC曲线以及评估指标F1-Score, recall, precision-整理版
- android style
- haartraining训练生成xml过程
- HDU 1171.Big Event in HDU【01背包】【5月26】
- mina第一篇:基本demo实现
- android Gson解析
- linux 自行安装lanmp
- [POJ 3040] Allowance (贪心)
- Cocos2dx 3.x移植Android及打包