机器学习评价方法

 

Precision = 预测的结果中预测正确的正例 /  预测的结果中所有为1的值

Recall  = 预测的结果中预测正确的正例 / 真实存在的正例数

所以P_R_curve 对负样本的比例不敏感

 

（1）真阳性(True Positive，TP)：检测不健康，且实际不健康；正确肯定的匹配数目；

(2) 假阳性(False Positive，FP)：检测不健康，但实际健康；误报，给出的匹配是不正确的；

(3) 真阴性(True Negative，TN)：检测健康，且实际健康；正确拒绝的非匹配数目；

(4) 假阴性(False Negative，FN)：检测健康，但实际不健康；漏报，没有正确找到的匹配的数目

 

TPR = TP/（TP+FN）预测正确的正样本/ 预测结果中所有正样本

FPR = FP/(TN+FP)    监测健康实际不健康的/ 实际所有健康的