摘要
一般情况来说,单一评分标准无法完全评估一个机器学习模型。只用good和bad偏离真实场景去评估某个模型,都是一种欠妥的评估方式。单标签分类的评价指标有:混淆矩阵,准确率(Accuracy),精确率(Precision),召回率(Recall),F1-score,ROC曲线和AUC。
1、混淆矩阵
-
TP:正样本且分类为正样本的数目为(True Positive)
-
FN:标签为正样本分类为负样本的数目(Flase Negative)
-
FP:标签是负样本分类为正样本的数目(Flase Positive)
-