机器学习性能评价指标
1.符号规定
- TP：True Positive，实际是正类，预测为正类
- FN：False Negative，实际是正类，预测为负类
- TN：True Negative，实际是负类，预测为负类
- FP：False Positive，实际是负类，预测为正类
记忆方法：第二个字母是你预测的分类，第一个字母是表示你预是否正确
2.准确率(Accuracy)
模型预测正确的数据占总数据的比例，即:
在二分类且正反例不平衡的情况下，准确度参考意义很低，比如癌症检测，100个样本中，有一个癌症样本，模型全部检测为非癌症，准确率为99%，此模型在实际任务中，无法应用
3.精确率(Precision)
针对模型预测出所有正样本总数(TP+FP)，其中预测正确(TP)占比，即：
精确率又叫查准率，何为查准： 就是查出来所有的内容，其中正确的占比多少？
4.召回率(Recall)
针对实际的所有正样本(TP+FN),其中正确地预测为正(TP)占比，即：
召回率又叫查全率
