一、前述
怎么样对训练出来的模型进行评估是有一定指标的，本文就相关指标做一个总结。
二、具体
1、混淆矩阵
混淆矩阵如图：
相关公式：
公式解释：
fp_rate：
tp_rate:
recall:（召回率）
值越大越好
presssion:（准确率）
TP:本来是正例，通过模型预测出来是正列
TP+FP：通过模型预测出来的所有正列数（其中包括本来是负例，但预测出来是正列）
值越大越好
2、ROC曲线
过程：对第一个样例，预测对，阈值是0.9，所以曲线向上走，以此类推。
对第三个样例，预测错，阈值是0.7 ，所以曲线向右走，以此类推。
几种情况：
所以得出结论，曲线在对角线以上，则准确率好。
3、AUC面积
M是样本中正例数
N是样本中负例数
其中累加解释是把预测出来的所有概率结果按照分值升序排序，然后取正例所对应的索引号进行累加
通过AUC面积预测出来的可以知道好到底有多好，坏到底有多坏。因为正例的索引比较大，则AUC面积越大。
总结：
原文地址：https://www.cnblogs.com/LHWorldBlog/p/8656439.html
时间： 2024-10-10 01:12:22