利用混淆矩陣計算評價指標正確的是，混淆矩陣及其評價指標

2023-12-25 阅读 40 评论 0

摘要：1、混淆矩陣混淆矩陣也稱誤差矩陣，是表示精度評價的一種標準格式，用n行n列的矩陣形式來表示。在人工智能中，混淆矩陣是可視化工具，特別用于監督學習。混淆矩陣的每一列代表了預測類別，每一列的總數表示預測為該類別的數據的數目；

1、混淆矩陣

混淆矩陣也稱誤差矩陣，是表示精度評價的一種標準格式，用n行n列的矩陣形式來表示。在人工智能中，混淆矩陣是可視化工具，特別用于監督學習。

混淆矩陣的每一列代表了預測類別，每一列的總數表示預測為該類別的數據的數目；每一行代表了數據的真實歸屬類別，每一行的數據總數表示該類別的數據實例的數目。

真陽性（True Positive, TP）：樣本的真實類別是正例，并且模型預測的結果也是正例

? ? ? ?真陰性（True Negative, TN）：樣本的真實類別是負例，并且模型將其預測成為負例? ? ?

?????? 假陽性（False Positive, FP）：樣本的真實類別是負例，但是模型將其預測成為正例

?????? 假陰性（False Negative, FN）：樣本的真實類別是正例，但是模型將其預測成為負例

?	公式	意義
準確率ACC		在所有樣本中，預測正確的樣本占的比例
精確率PPV		在所有預測為正例的樣本中，預測正確為正例所占的比例
召回率/敏感度/真陽率TPR		在所有實際為正例的樣本中，預測正確為正例所占的比例
特異度TNR		在所有實際為負例的樣本中，預測正確為負例所占的比例
流行程度		在所有樣本中，實際為正例所占的比例
F1-Score		F1-Score就是精確率和召回率的調和平均值，F1-Score值認為精確率和召回率一樣重要，其取值范圍從0到1的，1代表模型的輸出最好，0代表模型的輸出結果最差。