混淆矩陣簡潔版：
召回率：針對原來樣本的，表示樣本中正例有多少被**正確的。 tp/tp+fn
精確率：針對**結果的，**為正的樣本中有多少是真正的正樣本 tp/tp+fp
通過率：模型判斷為好樣本的數量佔總樣本數的比例，tp+fp/tp+fn+fp+fn
壞賬率：模型為好樣本中真正壞樣本的比例 fp/tp+fp
錯誤率：fn+fp/tp+fn+fp+tn
正確率：tp+fn/tp+fn+fp+tn
真正率：**為正，實際為正的樣本佔所有正例樣本的比例 tp/tp+fn
假正率：**為正，實際為負的樣本佔所有負例樣本的比例 fp/fp+tn
從混淆矩陣看各種度量
機器學習中各種度量很容易搞暈學習者的頭腦。但是如果把他們和混淆矩陣一起來看的話，會容易理解很多。我也是經常接觸，所以有一些自己的感悟，記錄下來。我理解上的混淆矩陣就是乙個分類器對於正反例 假設是二分類，多分類也類似 的混淆程度。我有見過兩種不同混淆矩陣，主要區別是對於真實的類別和猜測的類別的位置互換...
機器學習之混淆矩陣
再分類任務下，結果和真實情況之間存在四種不同的組合，這四種組合構成了混淆矩陣。舉個例子，看下圖。當真實情況是貓，結果也是貓的時候，這個時候定義為真正例 當真實情況是貓，而 結果不是貓的時候定義為偽反例子 當真實情況不是貓，而 結果是貓時定義為偽正例 當真實情況不是貓 結果也不是貓時定義為真反例。這個...
高偏差 高方差 低精確率與低召回率 混淆矩陣
本文是個人理解 1.高偏差 high bias 與方差 high variance 偏差,可以理解為樣本與模型 結果的差距，可以使用平方差計算 方差是樣本y值與模型期望的差的平方和。模型對實驗資料欠擬合 underfitting 是會出現搞偏差，而過擬合 overfitting 會造成高方差 解決方...