介绍模型四个评价指标之前，先介绍一下 混淆矩阵（Confusion Matrix）：
TP（真正）：被模型预测为正的正样本。
FP（假正）：被模型预测为正的负样本。
FN（假负）：被模型预测为负的正样本。
TN（真负）：被模型预测为负的负样本。
1.准确率（Accuracy）：对于给定的测试数据集，分类模型中所有预测正确的样本数/总观测值的样本数。ACC = （TP+TN）/(TP+TN+FP+FN)
2.精确率（Precision）：衡量的检测系统的查准率， 在模型预测正确为正样本的个数/模型预测为正样本的个数。
Precision = （TP）/（TP + FP）
3.召回率（Recall）：也是灵敏度(Sensitivity)，衡量额检测系统的查全率，模型预测正确的正样本的个数/实际观测值数据中正样本的个数。
Recall = （TP）/（TP+FN）
4.F1值：为了能够评价不同算法的优劣，在Precision和Recall的基础上提出了F1值的概念。F1的定义如下：
F1=（精确率召回率2）/（精确率+召回率）
F1的取值在0-1之间，数值越大表示模型效果越好。
5.PR曲线
6.ROC曲线
Original: https://blog.csdn.net/weixin_45456209/article/details/121786424
Author: LUC
Title: 模型评价指标：准确率、精确率、召回率、F1值，混淆矩阵
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/623577/
转载文章受原作者版权保护。转载请注明原作者出处！