标签：分类器 ROC 机器 预测 样本 TP 学习 正类 性能指标
一、混淆矩阵
混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类，同理，第一行第二列的2表示有2个实际归属为第一类的实例被错误预测为第二类。
如有150个样本数据，预测为1,2,3类各为50个。分类结束后得到的混淆矩阵为：
| 预测 | ||||
|---|---|---|---|---|
| 类1 | 类2 | 类3 | ||
| 实际 | 类1 | 43 | 2 | 0 |
| 类2 | 5 | 45 | 1 | |
| 类3 | 2 | 3 | 49 |
每一行之和表示该类别的真实样本数量，每一列之和表示被预测为该类别的样本数量，
第一行说明有43个属于第一类的样本被正确预测为了第一类，有两个属于第一类的样本被错误预测为了第二类。
True Positive(真正, TP)：将正类预测为正类数.
True Negative(真负 , TN)：将负类预测为负类数.
False Positive(假正, FP)：将负类预测为正类数 \(\rightarrow\) 误报 (Type I error).
False Negative(假负 , FN)：将正类预测为负类数 \(\rightarrow\) 漏报 (Type II error).
以下信息来自：
https://www.zhihu.com/question/19645541/answer/91694636
精确率(precision)和准确率(accuracy)是不一样的。
一.定义辨析
刚开始接触这两个概念的时候总搞混，时间一长就记不清了。
实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是
而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。
其实就是分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。
在信息检索领域，精确率和召回率又被称为查准率和查全率，
查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量
二.举个栗子
假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。
-
TP: 将正类预测为正类数 40
-
FN: 将正类预测为负类数 20
-
FP: 将负类预测为正类数 10
-
TN: 将负类预测为负类数 30
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision) = TP/(TP+FP) = 80%
召回率(recall) = TP/(TP+FN) = 2/3
二、ROC曲线
定义：
In signal detection theory, a receiver operating characteristic (ROC), or simply ROC curve, is a graphical plot which illustrates the performance of a binary classifier system as its discrimination threshold is varied
比如在逻辑回归里面，我们会设一个阈值，大于这个值的为正类，小于这个值为负类。如果我们减小这个阀值，那么更多的样本会被识别为正类。这会提高正类的识别率，但同时也会使得更多的负类被错误识别为正类。为了形象化这一变化，在此引入 ROC ，ROC 曲线可以用于评价一个分类器好坏。
ROC 关注两个指标，直观上，TPR 代表能将正例分对的概率，FPR 代表将负例错分为正例的概率。在 ROC 空间中，每个点的横坐标是 FPR，纵坐标是 TPR，这也就描绘了分类器在 TP（真正率）和 FP（假正率）间的 trade-off。
解释：
通过ROC空间，我们明白了一条ROC曲线其实代表了无数个分类器。那么我们为什么常常用一条ROC曲线来描述一个分类器呢？仔细观察ROC曲线，发现其都是上升的曲线（斜率大于0），且都通过点（0,0）和点（1,1）。其实，这些点代表着一个分类器在不同阈值下的分类效果，具体的，曲线从左往右可以认为是阈值从0到1的变化过程。当分类器阈值为0，代表不加以识别全部判断为0，此时TP=FP=0，TPR=TP/P=0，FPR=FR/N=0；当分类器阈值为1，代表不加以识别全部判断为1，此时FN=TN=0，P=TP+FN=TP, TPR=TP/P=1，N=FP+TN=FP, FPR=FR/N=1。所以，ROC曲线描述的其实是分类器性能随着分类器阈值的变化而变化的过程。
AUC曲线
定义：
AUC（Area Under Curve）被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。
The AUC value is equivalent to the probability that a randomly chosen positive example is ranked higher than a randomly chosen negative example.
翻译过来就是，随机挑选一个正样本以及一个负样本，分类器判定正样本的值高于负样本的概率就是 AUC 值。
简单说：AUC值越大的分类器，正确率越高3。
- \(AUC = 1\)，完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。绝大多数预测的场合，不存在完美分类器。
- \(0.5 < AUC < 1\)，优于随机猜测。这个分类器（模型）妥善设定阈值的话，能有预测价值。
- \(AUC = 0.5\)，跟随机猜测一样（例：丢铜板），模型没有预测价值。
- \(AUC < 0.5\)，比随机猜测还差；但只要总是反预测而行，就优于随机猜测，因此不存在 \(AUC < 0.5\) 的情况。
AUC面积为0.5为随机分类，识别能力为0，面积越接近于1识别能力越强，面积等于1为完全识别。
三、回归
平均绝对误差
平均绝对误差MAE（Mean Absolute Error）又被称为 \(l_1\) 范数损失（l1-norm loss）：
平均平方误差
平均平方误差 MSE（Mean Squared Error）又被称为 \(l_2\) 范数损失（l2-norm loss）：
标签：分类器,ROC,机器,预测,样本,TP,学习,正类,性能指标 来源： https://www.cnblogs.com/limbercode/p/16160242.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。