labeled as positive
labeled as negative
predicted as positive
true positive
(tp)
false positive
(fp)
predicted as negative
false negative
(fn)
true negative
(tn)
混淆矩陣（confusion matrix）中包含四種資料：
由以上四種資料得到四種比率如下：
roc曲線中，關於四個關鍵點的解釋：
(fpr=0,tpr=0)：將全部正例分為負例，全部負例分為負例
(fpr=0,tpr=1)：全部劃分正確，即正例全部分為正例，負例全部分為負例
(fpr=1,tpr=1)：將全部負例分為正例，全部正例分為正例
所以，roc曲線越靠近左上角，說明分類器的效果越好。
參考文獻：
評價指標 分類演算法中常用的評價指標
對於分類演算法，常用的評價指標有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc ps 不建議翻譯成中文，尤其是precision和accuracy，容易引起歧義。1.混淆矩陣 混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例...
分類演算法中常用的評價指標
分類演算法中常用的評價指標 來自網路，備份勿忘！對於分類器 分類演算法 評價指標主要有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc 1.首先，介紹混淆矩陣的概念。混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例項的真實資訊...
分類演算法中常用的評價指標
對於分類演算法，常用的評價指標有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc ps 不建議翻譯成中文，尤其是precision和accuracy，容易引起歧義。1.混淆矩陣 混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例...