查准率、查全率与F1

PR曲线： 若一个学习器的 P-R 曲线被另一个学习器的曲线完全包住，则可断言 后者的性能优于前者，比如A优于C。 平衡点(Break-Event Point ，简称 BEP)处 查全率=查准率，当两个学习器的PR曲线相交时，基于BER，我们可以认为A优于B。但BER太过简化，我们通常用F1来衡量。 为了体现查准率和查全率的重要程度，可以使用如下公式： β=1时退化为F1，β>1时查全率有更大影响，β<1时查准率有更大影响。 注：

灵敏度与特异度

灵敏度(true positive rate ,TPR)，它是所有实际正例中，正确识别的正例比例，它和召回率的表达式没有区别。严格的数学定义如下： 1-特异度(false positive rate, FPR)，它是实际负例中，错误得识别为正例的负例比例。严格的数学定义如下：

ROC曲线与AUC

以TPR为y轴，以FPR为x轴，我们就直接得到了RoC曲线。从FPR和TPR的定义可以理解，TPR越高，FPR越小，我们的模型和算法就越高效。也就是画出来的RoC曲线越靠近左上越好。如下图左图所示。从几何的角度讲，RoC曲线下方的面积越大越大，则模型越优。所以有时候我们用RoC曲线下的面积，即AUC（Area Under Curve）值来作为算法和模型好坏的标准。

标签：RoC,模型,曲线,查全率,TPR,FPR,评估,查准率
来源： https://www.cnblogs.com/gxxtsz/p/16311582.html