会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
口天丶木乔
博客园
首页
新随笔
联系
订阅
管理
2018年11月13日
机器学习性能指标(ROC、AUC、召回率)
摘要: 混淆矩阵 构造一个高正确率或高召回率的分类器比较容易,但很难保证二者同时成立 ROC 1. 横轴:FPR(假正样本率)=FP/(FP+TN) 即,所有负样本中被分错的比例 2. 纵轴:TPR(真正样本率)=TP/(TP+FN) 即,所有正样本中被分对的比例 横轴越小越好,纵轴越大越好,即,ROC曲线
阅读全文
posted @ 2018-11-13 15:14 口天丶木乔
阅读(736)
评论(0)
推荐(0)
编辑
公告