什么是ROC曲线ROC曲线反应了TPR和FPR之间的关系。TPR = TP/ (TP+FN)预测为1 并且预测对的占实际就是1的百分比FPR = FP/ (FP+TN)预测为1 但是预测错了实际应该为0，占真实值为0的百分比。我们来举个例子看如何计算TPR和FPR。当我们阈值设置为0.9时，即认为socre要大于等于0.9才会判断为P时，对应的TPR = 1 / ( 1 + 9) = 10%，FP

文章目录阈值对精确率和召回率的影响精确率-召回率曲线阈值对精确率和召回率的影响精确率和召回率是相互矛盾的一组指标，即精确率提高就会导致召回率降低。假设我有一组样本，分别为蓝色点和红色点，我们想要用算法模型预测出红色点。当阈值选择在红色分隔线的位置时：精确率 = 5 / 6 = 0.83召回率 =5 / 7 = 0.71当阈值选择在黑色分割线的位置时：精确率 = 7 / 10 = 0.7召回率 =7

精准率、召回率分类准确度混淆矩阵精准率&召回率为什么精准率召回率优于准确率分类准确度在聊精准率、召回率之前，一般我们会看模型预测的准确率，即所有预测正确样本数/样本总数。但分类准确度不能完全衡量模型好坏。比如一个癌症预测系统，输入体征信息，判断是否有癌症。如果癌症在人类身上发生的概率为0.1%，那模型只要都判断没有癌症，即可达到99.9%的准确率。如果去训练机器学习模型，但是最后准确率有9

精准率、召回率分类准确度混淆矩阵精准率&召回率为什么精准率召回率优于准确率分类准确度在聊精准率、召回率之前，一般我们会看模型预测的准确率，即所有预测正确样本数/样本总数。但分类准确度不能完全衡量模型好坏。比如一个癌症预测系统，输入体征信息，判断是否有癌症。如果癌症在人类身上发生的概率为0.1%，那模型只要都判断没有癌症，即可达到99.9%的准确率。如果去训练机器学习模型，但是最后准确率有9