0
点赞
收藏
分享

微信扫一扫

模型评估常见名词(一)

模型的特异性与敏感性,以及二分类模型的评价指标。

下图参考知乎某回答,链接如下,我在学习之后,经过自己总结,给出如下类比解释。

https://www.zhihu.com/question/30750849/answer/346299267icon-default.png?t=M0H8https://www.zhihu.com/question/30750849/answer/346299267

模型的特异性与敏感性,这里与医学领域的查全率和查准率相联系,下面以患病给出对比。

下图成为混淆矩阵。

TP:真阳性,即被诊断患病的人中确实患病的人,即诊断患病判断正确的人数。

FP:假阴性,即被诊断为不患病的人中,却患病的人,患病而被漏诊的人。

TN:真阴性,确实不患病,诊断不患病正确的人。

FN:假阳性,即诊断为患病缺并没有患病,被误判为患病的人。

敏感性Sensitivity = TP / (TP + FN),第一行

特异性Specificity = TN / (FP + TN),第二行

 

敏感性:检测患病的比率越大,表明对该病的识别是否患病诊断比较敏感,称之为敏感性。

特异性:

泛化能力:机器学习模型预测误差情况通常是评估的重点,它不仅仅是学习过程中对训练数据有良好的学习预测能力,根本上在于要对新数据能有很好的预测能力

二分类问题:对于二分类问题,常用的评价指标,

F1-score:

precision:精确率P

recall:召回率R

average error:

本文参考了知乎上一下几篇出色的文章,建议读者阅读。

https://www.zhihu.com/question/30750849/answer/346299267icon-default.png?t=M0H8https://www.zhihu.com/question/30750849/answer/346299267https://zhuanlan.zhihu.com/p/436810215icon-default.png?t=M0H8https://zhuanlan.zhihu.com/p/436810215https://zhuanlan.zhihu.com/p/434368207icon-default.png?t=M0H8https://zhuanlan.zhihu.com/p/434368207

举报

相关推荐

0 条评论