混淆矩阵
预测结果 真实结果 | +1(正例) | -1(反例) |
---|---|---|
+1 | 真正例(TP) | 伪反例(FN) |
-1 | 伪正例(FP) | 真反例(TN) |
正确率=TP/(TP+FP)
召回率=TP/(TP+FN)
假阳率=FP/(FP+TN)
真阳率=TP/(TP+FN)
ROC曲线是真阳率-假阳率的曲线,ROC曲线越在左上角越好。
基于代价函数的分类器控制
预测结果 真实结果 | +1(正例) | -1(反例) |
---|---|---|
+1 | 真正例(TP)-正确收益 | 伪反例(FN)-错误代价 |
-1 | 伪正例(FP)-错误代价 | 真反例(TN)-正确收益 |