最近重新学习了一下机器学习的一些基础知识,这里对性能度量涉及到的各种值与图像做一个总结。
西瓜书里的这一部分讲的比较快,这些概念个人感觉非常绕,推敲了半天才搞清楚。
这些值分别是:
1、混淆矩阵中的:TP FN FP TN
其实很简单,真实情况有两种可能:正(T)和反(F);预测结果有两种可能:积极(P)和消极(N)
但是比较绕的是对于这里的P和N的理解,看到一个很好的举例,借用一下:
(pic from http://www.360doc.com/content/19/0806/19/52645714_853362368.shtml)
也就是说,
TN的意思是,预测的结果为N,即认为预测对象是F,而这个预测是正确的,所以记为T
如果这个时候思考:那么TN到底代表真实情况是T还是F?
这就有点绕了,有一个简便的方法:将T记为+,F记为-,P记为+,N记为-
那么++和--的运算结果为+,真实情况为T;+-和-+的运算结果为-,真实情况为F
2、查准率P和查全率R
首先注意区分两个P不同的含义,用颜色区分:预测结果P(positive),查准率P(precision)
在看表达式前先说说它们的定义,首先查准率和查全率是一对矛盾的值
查准率是指在所有预测为P的情况(包括将T预测为T的TP,和将F预测为T的FP)下,真实情况为T的比例
故查准率P=TP/P = TP/(TP+FP)
查全率是指在所有真实情况下为T的样本(包括将T预测为T的TP,和将T预测为F的FN)中,预测正确P的比例
故查全率R=TP/T = TP/(TP+FN)
为什么说他们是一对矛盾的值,一个大另外一个就必然小?
可以这样理解:如果希望查准率P高,则需要尽量“保守”预测,不能肯定地预测为P,就给出N的答案,则将真实情况下的T预测为N的情况增加,即FN增加,那么查全率R就会相应地下降
3、ROC曲线(真正利率和假正利率)
表达式:
标签:预测,曲线,TP,查全率,真实情况,FN,查准率 来源: https://www.cnblogs.com/defsign3r/p/15195509.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。