模型评估
作者:互联网
查准率、查全率与F1
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729986-2136354412.png)
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729934-356045550.png)
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729857-1927521132.png)
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729799-1923959613.png)
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729900-1122269648.png)
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:![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729853-753256040.png)
![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729799-403220618.png)
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。![0](https://www.icode9.com/i/l/?n=22&i=blog/1706131/202205/1706131-20220526002729913-869092503.png)
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